判別流形學習及人臉識別.pdf_第1頁
已閱讀1頁,還剩71頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、流形學習技術比較直觀地挖掘出了隱藏在高維數據空間的內在幾何結構,已成為高維數據分析、模式識別、機器學習、文檔分析等領域的研究熱點。研究表明,基于流形學習的判別方法可以有效地提高人臉識別的性能,基于此,論文從判別流形學習技術入手,深入研究了基于圖論的圖像內在幾何結構描述、多樣性幾何結構描述以及判別幾何結構描述,重點研究了集成三種幾何結構的人臉特征提取技術及識別,主要內容和貢獻如下:
   第一,針對傳統的判別流形學習方法存在奇異值

2、問題,局部差異信息無法保持等缺點,提出了魯棒局部判別嵌入(Stable Local Discriminant Embedding,SLDE)算法。SLDE定義了三個鄰接圖,分別為幾何鄰接圖、差異鄰接圖和邊界鄰接圖。其中幾何鄰接圖刻畫了圖像的內在幾何結構,度量了圖像的相似幾何關系;差異鄰接圖描述了圖像的多樣性幾何關系,而邊界鄰接圖描述了圖像的判別幾何結構,刻畫了圖像的判別信息。在此基礎上,給出了度量圖像相似信息、差異信息和判別信息的三個離

3、散度,分別稱為相似離散度、差異離散度和邊界離散度。最后建立了一個簡明、含義明確的特征提取準則。該準則通過最大化差異離散度和邊界離散度,同時最小化相似離散度尋找投影方向。和傳統判別流形學習方法相比,SLDE不僅較好的描述了類內的緊致性,而且有效地保持了同類數據的多樣性屬性,提高了算法的魯棒性,且避免了過學習。此外,SLDE建立的特征提取準則避免了矩陣求逆問題,降低了計算的復雜度。實驗結果證實了所提算法的有效性。
   第二,針對利

4、用SLDE識別圖像時需要把二維圖像轉換為一維向量而產生的小樣本問題、計算復雜度高和圖像像素點之間的局部信息被破壞等缺點,提出了二維魯棒局部判別嵌入(Two-dimensional Stable Local Discriminant Embedding,2DSLDE)算法。2DSLDE直接從圖像矩陣估算圖像的相似離散度、差異離散度和邊界離散度,避免了將圖像矩陣轉換成圖像向量,有效地減輕了小樣本問題的影響,降低了計算的復雜度。在此基礎上,通

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論