基于近邻监督局部不变鲁棒主成分分析的特征提取模型

作     者：葛孟婷 万鸣华 GE Mengting;WAN Minghua

作者机构：南京审计大学计算机学院(智能审计学院)南京211815 江苏省社会安全图像与视频理解重点实验室(南京理工大学)南京210094 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2023年第43卷第4期

页      面：1013-1020页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(61876213) 江苏省自然科学基金资助项目(BK20201397) 江苏省社会安全图像与视频理解重点实验室项目(J2021-4) 江苏省高校未来网络科研基金资助项目(SRFP-2021-YB-25) 2021年江苏省研究生科研与实践创新计划项目(SJCX21_0885) 

主　　题：特征提取 子空间学习 无监督学习 鲁棒性 图像识别 

摘      要：针对无监督的局部不变鲁棒主成分分析(LIRPCA)算法未考虑样本间的类别关系的问题,提出了一种基于近邻监督局部不变鲁棒主成分分析(NSLIRPCA)的特征提取模型。所提模型考虑了样本间的类别信息,并以此构建关系矩阵。对所提模型进行公式求解和公式的收敛性证明,并将所提模型应用于各种遮挡数据集。实验结果表明,在ORL、Yale、COIL-Processed和PolyU数据集上,与主成分分析(PCA)算法、基于L1范数的主成分分析(PCA-L1)算法、非负矩阵分解(NMF)算法、局部保持投影(LPP)算法和LIRPCA算法相比,所提模型在原始图像数据集上的识别率分别最高提升了8.80%、7.76%、20.37%、4.72%和4.61%,在遮挡图像数据集上的识别率分别最高提升了30.79%、30.73%、36.02%、19.65%和17.31%。可见,所提模型提高了算法的识别性能,降低了模型复杂度,明显优于对比算法。