检索结果-南通市图书馆

计算机辅助设计与图形学学报 2011年第7期23卷 1224-1231页

作者：万鸣华金忠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

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... 详细信息

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.

关键词：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

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

最大间距准则框架下的多流形局部图嵌入(MLGE/MMC)算法

引用

南京大学学报（自然科学版） 2018年第2期54卷 462-470页

作者：万鸣华杨国为赖志辉南京审计大学工学院南京211815 深圳大学计算机与软件学院深圳518060

主要针对局部图嵌入(Locally Graph Embedding,LGE)算法在训练样本偏少时进行特征提取,会产生识别精度不高情况,通过引入多流形思想,结合LGE和最大间距准则(Maximum Marginal Criterion,MMC)算法,提出了一种最新的特征提取算法——最大... 详细信息

主要针对局部图嵌入(Locally Graph Embedding,LGE)算法在训练样本偏少时进行特征提取,会产生识别精度不高情况,通过引入多流形思想,结合LGE和最大间距准则(Maximum Marginal Criterion,MMC)算法,提出了一种最新的特征提取算法——最大间距准则框架下的多流形局部图嵌入(Multi-Manifold Locally Graph Embedding Based on Maximum Marginal Criterion,MLGE/MMC)算法.首先,该算法将每幅图像分成多幅小图像,这一幅图像分成的这些小图像在高维空间中就构成一个流形,以此类推,多幅图像就构成了多流形;其次,通过最大化多流形类间距离,同时最小化流形类内距离来寻找最佳投影矩阵,即分别构建多流形类间散度矩阵和类内散度矩阵;最后,在MMC准则框架下构造目标函数,通过拉格朗日乘子法和迭代来解决约束条件下的优化问题.在ORL,Yale及AR人脸库上的实验,验证了所提算法的有效性.

关键词：局部图嵌入多流形最大间距准则特征提取人脸库

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

一种基于低秩描述的图像集分类方法

引用

同济大学学报（自然科学版） 2013年第2期41卷 271-276页

作者：吕煊王志成赵卫东刘玉淑同济大学CAD研究中心上海200092 同济大学企业数字化技术教育部工程研究中心上海200092 重庆市国土资源和房屋勘测规划院重庆400020 山东大学信息科学与工程学院山东济南250100

保持局部图嵌入的流形鉴别分析方法将图像集所属子空间看作流形上的点,并使流形变换前后局部结构关系不变.然而在构造局部区域相似图矩阵时,用于描述节点局部区域范围的近邻节点个数会极大地影响算法的准确率,并会出现变换后流形的可分... 详细信息

保持局部图嵌入的流形鉴别分析方法将图像集所属子空间看作流形上的点,并使流形变换前后局部结构关系不变.然而在构造局部区域相似图矩阵时,用于描述节点局部区域范围的近邻节点个数会极大地影响算法的准确率,并会出现变换后流形的可分辨性相比变换前提升很小甚至更低的情况.针对该问题,提出了一种低秩描述下的Grassmannian流形鉴别分析方法.通过对图像集的低秩描述,流形变换中局部嵌入时仅保持同类别节点的最近邻局部结构以及所有节点间的相异类别信息,从而避免了对近邻节点个数的选择,并增强了变换后流形的可分辨性.由15类复杂自然场景和Caltech101图像数据集的实验结果表明,该方法是可行的,并且极大地提高了图像集分类的准确率.

关键词：流形鉴别分析低秩分解图像集局部图嵌入

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

人脸识别中基于多流形学习的特征提取方法研究

人脸识别中基于多流形学习的特征提取方法研究

引用

作者：杨洋扬州大学

学位级别：硕士

人脸识别是模式识别领域的研究热点之一。有效的提取图像中的特征是人脸识别研究过程中所要面对的首要任务。因此设计有效的特征提取方法成为了提高人脸识别性能的关键。而在实际中,带有遮挡、光照、神态变化等各种干扰的图像随处可见,... 详细信息

人脸识别是模式识别领域的研究热点之一。有效的提取图像中的特征是人脸识别研究过程中所要面对的首要任务。因此设计有效的特征提取方法成为了提高人脸识别性能的关键。而在实际中,带有遮挡、光照、神态变化等各种干扰的图像随处可见,传统的特征提取方法在处理这类问题时的效果往往不尽如人意。本文基于多流形学习的思想,设计和实现了几种具有较强鉴别力的人脸识别特征提取算法,主要的工作可概括如下:1、基于最大间距准则的鲁棒多流形判别局部图嵌入算法(Robust Multi-manifold Discriminant Local Graph Embedding Algorithm Based on the Maximum Margin Criterion)针对现有的多流形人脸识别算法大多直接使用带有噪声的原始数据进行处理,而带有噪声的数据往往会对算法的准确率产生负面影响的问题,提出了一种基于最大间距准则的鲁棒多流形判别局部图嵌入算法。首先,通过引入一个降噪投影对原始数据进行迭代降噪处理,提取出更加纯净的数据;其次,对数据图像进行分块,建立多流形模型;再次,结合最大间隔准则的思想,寻求最优的投影矩阵使得不同流形上的样本距离尽可能大,同时相同流形上的样本距离尽可能小;最后,计算待识样本流形到训练样本流形的距离进行分类识别。实验结果表明,与表现较好的最大间距准则框架下的多流形局部图嵌入(MLGE/MMC)算法相比,所提算法在添加噪声的ORL、Yale和FERET库上的分类识别率分别提高了 1.04%、1.28%和2.13%,分类效果明显提高。2、基于核稀疏表示的多流形判别分析算法(Multi-manifold Discriminant Analysis Based on Kernel Sparse Representation)针对单样本人脸识别中非线性可分性问题,提出了一种基于核稀疏表示的多流形判别分析算法。首先,对数据图像进行分块并融入多流形思想,在构建的多流形模型中运用核稀疏表示方法刻画各流形数据点之间的关系,学习流形内部图和流形间图;然后,在每个流形空间中分别寻找最佳的投影增强人脸图像内部流形的紧致性,提高人脸图像外部流形的可分性;最后,通过计算测试样本流形到训练样本流形的距离进行分类识别。在Extended YaleB和CMUPIE数据库上的实验研究表明,与其他同类算法相比,所提算法对光照、遮挡变化具有更强的鲁棒性。3、稀疏约束的非负矩阵分解多流形图正则增量学习算法(Sparse Constraint Non-negative Multi-manifold Graph Regular Incremental Learning)针对非负矩阵分解(NMF)方法缺乏对数据多流形结构进行建模能力的问题,提出了一种稀疏约束的非负矩阵分解多流形图正则增量学习算法。该算法将多流形学习和增量学习引入非负矩阵分解中,同时对分解后的矩阵进行稀疏约束,使分解后数据的稀疏度得到提高,图像的局部表示能力更强。此外,增量学习的融入,在新加入训练样本后,避免了大量的重复运算,提高了算法训练效率。公共数据库上进行的实验验证了该方法相对于现有算法的优越性。4、人脸检测与分类识别系统(Face Detection and Classification Recognition System)基于Visual Studio平台,结合本文中的算法,设计和实现了一个人脸检测与分类识别系统。该实验系统的主要功能包括(1)图像导入;(2)人脸检测;(3)人脸图像处理(切割、规一化、保存);(4)特征提取;(5)识别。

关键词：流形学习特征提取局部图嵌入核稀疏表示非负矩阵分解人脸识别

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：