基于最大间距准则的局部图嵌入特征提取方法
Local Graph Embedding Feature Extraction Method Based on Maximum Margin Criterion作者机构:南京理工大学计算机科学与技术学院南京210094 南昌航空大学信息工程学院南昌330063
出 版 物:《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)
年 卷 期:2011年第23卷第7期
页 面:1224-1231页
核心收录:
学科分类: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:国家自然科学基金重点项目(60632050) 国家自然科学基金(60873151) 高等学校博士学科点专项科研基金(20060288013)
主 题:局部线性嵌入 数据降维 人脸识别 最大间距准则 局部图嵌入
摘 要:针对局部线性嵌入(LLE)算法和最大间距准则(MMC)算法在特征提取问题中存在不足,提出一种有效的数据降维和分类方法——基于最大间距准则的局部图嵌入特征提取算法,并将其应用在人脸识别上.该算法在保持近邻的前提下,分别构造类内紧致图和类间惩罚图.首先在类内紧致图中利用线性重构的局部对称性找出高维数据空间中的非线性结构,使同类样本尽可能地聚集在一起;然后在类间惩罚图中使不同类别的样本尽可能分离;为了避免小样本问题,采用MMC的形式构造目标函数.在ORL,Yale和AR人脸图像库进行实验的结果表明,文中算法相对于DLA和LLE+LDA算法有较好的识别性能.