期刊文献+
共找到11篇文章
< 1 >
每页显示 20 50 100
鉴别的局部中值保持投影及其在人脸识别中的应用 被引量:7
1
作者 黄璞 唐振民 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2012年第11期1420-1425,1439,共7页
针对已有的鉴别的局部保持投影算法在特征提取问题中存在的不足,提出了鉴别的局部中值保持投影,通过最大化类间距离同时最小化类内距离寻找最佳投影矩阵,并将其用于人脸识别.该算法利用样本的类中值计算类间距离,有效地保留了图像信息;... 针对已有的鉴别的局部保持投影算法在特征提取问题中存在的不足,提出了鉴别的局部中值保持投影,通过最大化类间距离同时最小化类内距离寻找最佳投影矩阵,并将其用于人脸识别.该算法利用样本的类中值计算类间距离,有效地保留了图像信息;设计了一种不同的相似性度量机制,以保持受噪声影响较小的类内样本之间的邻域关系,从而进一步加强识别效果的鲁棒性.最后通过在ORL,Yale及AR人脸库上的实验,验证了文中算法的有效性. 展开更多
关键词 人脸识别 特征提取 线性鉴别分析 鉴别的局部保持投影 中值
在线阅读 下载PDF
广义的鉴别局部中值保持投影及人脸识别
2
作者 张永 万鸣华 《计算机科学》 CSCD 北大核心 2018年第2期90-93,108,共5页
针对鉴别的局部中值保持投影(DLMPP)在小样本情况下面临的类内散布矩阵奇异的问题,提出了广义的鉴别局部中值保持投影(GDLMPP)算法。GDLMPP首先将样本等价映射到一个低维子空间,然后在此子空间求解最佳投影矩阵,从而有效解决了小样本问... 针对鉴别的局部中值保持投影(DLMPP)在小样本情况下面临的类内散布矩阵奇异的问题,提出了广义的鉴别局部中值保持投影(GDLMPP)算法。GDLMPP首先将样本等价映射到一个低维子空间,然后在此子空间求解最佳投影矩阵,从而有效解决了小样本问题,并从理论上验证了当类内散布矩阵非奇异时,GDLMPP等价于DLMPP。最后,通过在ORL及AR库上的实验验证了算法的有效性。 展开更多
关键词 人脸识别 特征提取 小样本问题 鉴别的局部中值保持投影
在线阅读 下载PDF
核的正交完备鉴别局部保持投影 被引量:1
3
作者 林克正 荣友湖 +2 位作者 吴迪 庄靓玮 李鹏 《计算机应用研究》 CSCD 北大核心 2015年第5期1589-1592,共4页
针对完备鉴别局部保持投影算法所求得的最优判别矢量间存在信息冗余问题,提出了核的正交完备鉴别局部保持投影算法。通过将核函数技术与正交性原理融合,采用高斯核函数将原始样本映射到高维特征空间,在高维特征空间的局部总体散度矩阵... 针对完备鉴别局部保持投影算法所求得的最优判别矢量间存在信息冗余问题,提出了核的正交完备鉴别局部保持投影算法。通过将核函数技术与正交性原理融合,采用高斯核函数将原始样本映射到高维特征空间,在高维特征空间的局部总体散度矩阵中计算最优判别矢量,只需在整个范围内对值域空间进行特征值分解,去除局部零空间达到样本降维目的。该算法分别在UMIST人脸库和JAFFE人脸表情库上进行实验,实验结果表明算法的识别率高达95.59%。 展开更多
关键词 人脸识别 特征提取 完备鉴别局部保持投影 核函数 局部总体散度矩阵
在线阅读 下载PDF
基于线性鉴别的无参数局部保持投影算法 被引量:2
4
作者 范君 业巧林 业宁 《南京大学学报(自然科学版)》 CAS CSCD 北大核心 2019年第2期211-220,共10页
针对局部保持投影算法的无监督性质和参数选择复杂性问题,结合线性鉴别分析算法,提出一种改进的有监督无参数局部保持投影算法(Linear Discriminant Supervised Parameter-free Locality Preserving Projection algorithm,LD-SPLPP). LD... 针对局部保持投影算法的无监督性质和参数选择复杂性问题,结合线性鉴别分析算法,提出一种改进的有监督无参数局部保持投影算法(Linear Discriminant Supervised Parameter-free Locality Preserving Projection algorithm,LD-SPLPP). LD-SPLPP算法采用监督模式并使用广义Dice系数的方法构建近邻矩阵,有效避免LPP(Locality Preserving Projection)算法参数选择调整的问题.新算法在UCI的八个低维度数据集和两个高维度人脸数据库上进行了实验,通过对数据的特征提取,采用最近邻分类法统计识别率,并分析了实验分类后的数据值与算法性能的关系.上述实验过程中,将新算法与PCA,LDA,ULDA,OLDA,LPP,SPLPP,PSKLPP,PSLMM和EP-SLPP算法进行了对比,实验结果证明了LD-SPLPP在数据降维和特征提取方面的有效性. 展开更多
关键词 特征提取 局部保持投影 线性鉴别 无参数近邻矩阵 广义Dice系数
在线阅读 下载PDF
基于二维局部保持鉴别分析的特征提取算法 被引量:8
5
作者 卢官明 左加阔 《南京邮电大学学报(自然科学版)》 北大核心 2014年第5期1-8,共8页
提出了一种二维局部保持鉴别分析(Two-dimensional Locality Preserving Discriminant Analysis,2D-LPDA)特征提取算法。该算法直接对图像矩阵进行运算而不需要将矩阵转化为向量后进行运算,较好地保持了图像相邻像素之间的空间结构关系;... 提出了一种二维局部保持鉴别分析(Two-dimensional Locality Preserving Discriminant Analysis,2D-LPDA)特征提取算法。该算法直接对图像矩阵进行运算而不需要将矩阵转化为向量后进行运算,较好地保持了图像相邻像素之间的空间结构关系;在LPP算法的基础上,利用训练样本的类别信息计算二维类间散度矩阵和二维类内散度矩阵,并在2D-LPDA的目标函数中引入最大间距准则(Maximum Margin Criterion,MMC),从而求得具有良好鉴别能力的投影向量,同时还避免了小样本情况下矩阵的奇异性问题。通过在ORL人脸图像库上的人脸识别和新生儿面部图像库上的疼痛表情识别实验,验证了所提出的算法的有效性。 展开更多
关键词 人脸识别 表情识别 特征提取 局部保持投影 二维局部保持鉴别分析 最大间距准则
在线阅读 下载PDF
改进双向二维局部保持投影的人脸识别算法 被引量:2
6
作者 吴斌 王利龙 邵延华 《电子科技大学学报》 EI CAS CSCD 北大核心 2019年第6期904-909,924,共7页
为更好地处理图像小样本问题,且克服二维局部保持投影(2DLPP)算法只能保持数据局部性质的缺陷,通过结合二维主成分分析(2DPCA)和二维线性鉴别分析(2DLDA)的算法特性,提出了一种改进的双向二维局部保持投影的人脸识别算法.首先,引入样本... 为更好地处理图像小样本问题,且克服二维局部保持投影(2DLPP)算法只能保持数据局部性质的缺陷,通过结合二维主成分分析(2DPCA)和二维线性鉴别分析(2DLDA)的算法特性,提出了一种改进的双向二维局部保持投影的人脸识别算法.首先,引入样本类别信息改进权重矩阵,增强2DLPP算法对样本变化的鲁棒性;其次,提出改进2DLPP+2DPCA、2DLPP+2DLDA两种融合算法并分别用于输入样本图像数据的行、列方向特征提取.在特征选择后得到行、列方向上的最优投影;最后,通过对样本数据进行行、列方向投影,利用最近邻分类器对样本数据进行分类并获得在给定数据集上的识别结果.在人脸数据集ORL、YALE和AR上的实验结果表明,该算法在人脸识别性能上总体优于2DPCA、2DLDA、2DLPP、(2D)2PCA、(2D)2LDA、(2D)2PCALDA和(2D)2LPP-PCA等算法. 展开更多
关键词 人脸识别 特征提取 二维线性鉴别分析 二维局部保持投影 二维主成分分析
在线阅读 下载PDF
具有最大散度无关性的局部保持投影算法 被引量:1
7
作者 李姝 于金刚 《小型微型计算机系统》 CSCD 北大核心 2018年第4期672-675,共4页
为解决传统流形学习方法不能有效利用人脸类间信息的问题,提出具有最大散度无关性的局部保持投影算法(Maximum-Scatter-Difference-Uncorrelated Locality Preserving Projections,M ULPP).该算法是最大类间无关性的局部保持映射算法,... 为解决传统流形学习方法不能有效利用人脸类间信息的问题,提出具有最大散度无关性的局部保持投影算法(Maximum-Scatter-Difference-Uncorrelated Locality Preserving Projections,M ULPP).该算法是最大类间无关性的局部保持映射算法,通过求取一组最优的无关鉴别矢量集,既达到特征映射后的类间散度保持最大、类内散度保持最小,同时又满足最佳鉴别矢量之间具有最大统计不相关性,从而提高算法的识别性能.在AT&T和YALE标准人脸图像库上的实验结果表明,MULPP算法具有较高的识别率. 展开更多
关键词 人脸识别 特征提取 统计不相关 鉴别局部保持投影 最大散列度
在线阅读 下载PDF
直接无监督正交局部保持特征提取算法 被引量:2
8
作者 林玉娥 李敬兆 +1 位作者 梁兴柱 林玉荣 《光电工程》 CAS CSCD 北大核心 2012年第3期100-105,共6页
基于局部保持投影发展出的一系列特征提取算法,在应用于人脸识别等高维小样本问题时,均需先采用PCA算法对高维样本降维后才能应用,故此以无监督鉴别分析算法为理论基础,提出了一种直接无监督正交局部保持算法。该算法利用拉普拉斯矩阵... 基于局部保持投影发展出的一系列特征提取算法,在应用于人脸识别等高维小样本问题时,均需先采用PCA算法对高维样本降维后才能应用,故此以无监督鉴别分析算法为理论基础,提出了一种直接无监督正交局部保持算法。该算法利用拉普拉斯矩阵的性质进行相应的矩阵分解,可直接从高维样本的原始空间中提取投影矩阵,因而无需先采用PCA降维处理,且解决了无监督鉴别分析算法的小样本问题。为了进一步提高算法的识别性能,给出了基于QR分解的正交投影矩阵的求解方法。人脸库和掌纹库上的实验结果表明了所提算法的有效性。 展开更多
关键词 局部保持投影 无监督鉴别分析 直接无监督正交局部保持投影算法 拉普拉斯矩阵
在线阅读 下载PDF
一种可鉴别的稀疏保局投影算法 被引量:1
9
作者 苟建平 詹永照 +1 位作者 张建明 沈项军 《江苏大学学报(自然科学版)》 EI CAS CSCD 北大核心 2015年第6期691-696,共6页
为了增强高维数据在低维子空间中的模式识别能力,假设任意2个类别相同的相似样本其稀疏表示也相似,并基于SPP和LPP思想,提出一种可鉴别稀疏保局投影降维新方法 DSLPP.该方法通过稀疏表示学习和保局部投影,使得在投影子空间中不仅能够保... 为了增强高维数据在低维子空间中的模式识别能力,假设任意2个类别相同的相似样本其稀疏表示也相似,并基于SPP和LPP思想,提出一种可鉴别稀疏保局投影降维新方法 DSLPP.该方法通过稀疏表示学习和保局部投影,使得在投影子空间中不仅能够保持稀疏表示对数据很好的表达能力,而且较好地获取高维数据所蕴含的本质局部流形结构和自然判别信息,从而增强高维数据在子空间中的表示能力和可鉴别能力.在3个典型的人脸数据集Yale,ORL和PIE29上,将所提出方法 DSLPP与PCA,LPP,NPE和SPP进行对比试验.结果表明DSLPP是一种有效的降维方法,能够较好地改善高维数据在低维子空间中的分类效果. 展开更多
关键词 鉴别稀疏保局投影 稀疏保持投影 局部投影 稀疏表示 降维 模式分类
在线阅读 下载PDF
基于监督局部映射的煤矿井下人员身份鉴别方法 被引量:1
10
作者 张善文 黄文准 张传雷 《中国安全科学学报》 CAS CSCD 北大核心 2012年第11期101-106,共6页
为提高煤矿井下人员身份识别率,在局部保持投影(LPP)算法的基础上,提出监督局部映射(SLP)算法。该方法充分利用数据的局部和非局部信息及类别信息,对数据进行维数约简,使特征空间同类数据间的距离更小,不同类数据间的距离更大。该方法... 为提高煤矿井下人员身份识别率,在局部保持投影(LPP)算法的基础上,提出监督局部映射(SLP)算法。该方法充分利用数据的局部和非局部信息及类别信息,对数据进行维数约简,使特征空间同类数据间的距离更小,不同类数据间的距离更大。该方法能够克服煤矿井下艰苦、空间受限环境中人脸、虹膜和指纹识别率不高的问题。在真实步态数据库上的实验结果表明,基于步态的煤矿井下人员身份鉴别是可行的。 展开更多
关键词 煤矿井下 身份鉴别 步态识别 局部保持投影(LPP) 监督局部映射(SLP)
在线阅读 下载PDF
基于RMDLPP的雷达空中目标分类 被引量:1
11
作者 刘帅康 曹伟 +2 位作者 管志强 杨学岭 许金鑫 《系统工程与电子技术》 EI CSCD 北大核心 2024年第4期1220-1228,共9页
针对鉴别局部保持投影(discriminant locality preserving projections, DLPP)在窄带雷达目标数据降维时出现的类内离散度矩阵奇异和对孤立点敏感进而导致类别之间可分性弱的问题,提出了基于鲁棒性边界DLPP(robust margin DLPP, RMDLPP... 针对鉴别局部保持投影(discriminant locality preserving projections, DLPP)在窄带雷达目标数据降维时出现的类内离散度矩阵奇异和对孤立点敏感进而导致类别之间可分性弱的问题,提出了基于鲁棒性边界DLPP(robust margin DLPP, RMDLPP)的窄带雷达空中目标分类方法。首先,在计算样本之间距离时将两样本点的欧氏距离与同类样本均值相关联。然后,挑选一定数量的边界样本点进行处理并对优化DLPP目标函数进行降维。最后,使用高性能分类器对降维后的数据进行区分,实现对空中目标的分类。通过对X波段对空警戒雷达实测数据的对比实验表明,所提方法具有更好的分类准确率和对孤立点的鲁棒性。 展开更多
关键词 窄带雷达 空中目标分类 鉴别局部保持投影 最大边界准则 降维
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部