应用于特征提取方法的模糊差分嵌入投影

作     者：万鸣华 Wan Minghua

作者机构：南京审计大学工学院南京211815 东南大学信息科学与工程学院南京210096 

出 版 物：《数据采集与处理》 (Journal of Data Acquisition and Processing)

年 卷 期：2018年第33卷第1期

页      面：113-121页

学科分类：0810[工学-信息与通信工程] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61462064 6177227)资助项目 江苏省自然科学基金(BK20161580 BK20171494)资助项目 中国博士后基金(2016M600674)资助项目 

主　　题：特征提取 局部线性嵌入 最大间距准则 模糊隶属度 流形 

摘      要：局部线性嵌入(Locally linear embedding,LLE)算法对于分类的结果没有直接的关系。同时,该算法受不同表情、光照以及姿态等因素的影响,识别的效果会大大降低。为了能够很好地解决上述问题,提出基于模糊的差分嵌入投影(Fuzzy difference embedding projection,FDEP)特征提取算法。FDEP算法首先在模糊数学的思想指导下,通过模糊隶属度(Fuzzy sets)的形式表示;然后分别构造模糊局部近邻图与模糊全局方差图来表征局部与全局结构信息,采用最大间距准则函数来构造目标函数避免小样本问题;最后,通过拉格朗日乘子解决约束条件下的优化问题。FDEP算法既可以最大化地模糊全局数据之间的非局部散度,又可以保持模糊近邻数据之间的内在联系。在ORL,Yale和AR人脸图像库的实验结果表明,FDEP算法具有较好的识别性能。