基于流形學(xué)習(xí)的快速人臉識(shí)別方法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展和社會(huì)公共安全需要的日益增長(zhǎng),身份識(shí)別受到極大的重視,作為典型的生物特征識(shí)別的人臉識(shí)別也逐漸成為研究熱點(diǎn)之一。盡管線性子空間方法在人臉識(shí)別中已經(jīng)取得了極大的成功,但是研究表明人臉圖像很可能是分布在一個(gè)嵌入到高維圖像空間的低維非線性子流形上,且人臉識(shí)別往往是高維小樣本問題,在小的樣本集訓(xùn)練得到的子空間分類器效果不是很好。本文以流形學(xué)習(xí)為基礎(chǔ),對(duì)非參數(shù)核流形學(xué)習(xí)降維方法、半監(jiān)督流形正則化分類方法進(jìn)行深入的研究。

2、>　　本文主要進(jìn)行了以下研究工作:
　　(1)研究基于非參數(shù)核譜回歸的降維方法
　　通過對(duì)流形學(xué)習(xí)相關(guān)理論和技術(shù)在特征提取中的研究,針對(duì)圖嵌入核擴(kuò)展方法中的核函數(shù)的選擇和構(gòu)造影響著方法的性能,且流形學(xué)習(xí)降維通常需要涉及計(jì)算時(shí)間、空間復(fù)雜度高的稠密矩陣的特征分解問題。本文基于流形學(xué)習(xí)圖嵌入降維框架,引入非參數(shù)核學(xué)習(xí)和譜回歸方法,提出基于非參數(shù)核譜回歸的降維方法,有效避免了針對(duì)特定問題核函數(shù)選擇和構(gòu)造難題,具有高效性和可擴(kuò)展性。

3、
　　(2)研究基于半監(jiān)督流形正則化的極速學(xué)習(xí)機(jī)方法
　　針對(duì)基于核的半監(jiān)督學(xué)習(xí)方法具有高計(jì)算復(fù)雜度,結(jié)合流形正則化和成對(duì)約束信息,以及快速學(xué)習(xí)能力的極速學(xué)習(xí)機(jī)方法,提出一種新的基于半監(jiān)督流形正則化的極速學(xué)習(xí)機(jī)算法,提供了傳統(tǒng)的半監(jiān)督方法的一種近似方法,不僅適用到半監(jiān)督的情況,而且其決策函數(shù)的形式適用于大規(guī)模的學(xué)習(xí)任務(wù),在真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果驗(yàn)證了所提出算法的有效性。
　　(3)設(shè)計(jì)并實(shí)現(xiàn)基于流形學(xué)習(xí)的人臉識(shí)別原型系