-
题名基于高斯过程隐变量模型的图像数据降维算法
被引量：4
- 1
-
-
作者
郭莉莉
刘春光
王迪
韩忠华
-
机构
沈阳城市建设学院信息系
沈阳建筑大学学报编辑部
沈阳建筑大学信息与控制工程学院
-
出处
《控制工程》
CSCD
北大核心
2014年第5期687-690,共4页
-
基金
国家自然科学基金(61272253)
-
文摘
针对传统谱算法在数据降维计算复杂度高的缺点,提出一种基于高斯过程隐变量模型的图像数据降维算法。首先,通过高斯过程(Gaussian Process,GP)建立图像数据的概率模型,得到图像数据的隐变量模型;其次,利用概率最大化原则得到最优超参数,通过最优超参数求取最优数据降维结果;最后,实现图像数据降维。选取Yale,ORL两类数据集与传统算法进行人脸识别对比实验,实验结果表明:所提出的算法针对图像数据降维问题有较好的效果,结合支持向量机算法,可有效地对人脸图像进行识别,且有较高的识别率,从而体现出算法对高维数据降维的准确性。
-
关键词
高斯过程隐变量模型
数据降维
人脸识别
超参数
概率最大化
-
Keywords
Ganssian Process Latent Variable Mode
data dimension reduction
face recognition
super-parameter
maximize probability
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
