基于局部保持投影的人臉識別算法的研究.pdf

1、特征提取算法在人臉識別研究領(lǐng)域占有重要的地位，是最基本的研究問題之一。目前，人臉特征提取的重點是對算法可行性與有效性的研究。盡管在特征提取領(lǐng)域，已經(jīng)出現(xiàn)了許多經(jīng)典的算法，并且被廣泛應(yīng)用;但是經(jīng)研究表明，人臉樣本是分布在嵌入到高維空間中低維非線性子流形上的，然而傳統(tǒng)子空間線性分析方法由于無法準確描述樣本具有的流形結(jié)構(gòu)而低效。
　　 局部保持投影(LPP)作為拉普拉斯映射的一種線性近似，可較好地反映出其流形結(jié)構(gòu)，但是其仍是一種無監(jiān)督

2、的學(xué)習(xí)方法，分類能力較弱，它在人臉識別中并不是最有效識別算法。鑒于此，本文給出了基于LPP算法的3種有監(jiān)督的子空間特征提取算法:
　　 1.在CCA算法和LPP算法的基礎(chǔ)上，提出了RLPCCA算法。該算法通過引入類信息，將CCA算法與LPP算法有效地結(jié)合起來，在區(qū)分了樣本類別信息基礎(chǔ)上，不但能夠保持樣本類內(nèi)的局部信息結(jié)構(gòu)，而且還能使兩組樣本間達到最大相關(guān)化，以及各個特征投影分量之間具有不相關(guān)性，極大地提高了算法的識別率。

3、　　 2.在MSDC算法的基礎(chǔ)上，提出了具有統(tǒng)計不相關(guān)性的UMLPP算法。該算法融合了MSDC算法和LPP算法的特點并且通過尋求一組最優(yōu)的統(tǒng)計不相關(guān)鑒別矢量集，既消除了特征間的冗余，便于數(shù)據(jù)的重構(gòu)，又使得在投影后的特征空間，樣本類間散度達到最大，而類內(nèi)散度最小，增強了算法的穩(wěn)定性和有效性。
　　 3.基于LPP算法的復(fù)合位置保持投影。該算法在構(gòu)造鄰接圖時，將相同類各點直接作為k近鄰點，在確定近鄰點的同時，也確定非近鄰點，既保留