特征提取技術(shù)研究及其在人臉識(shí)別中的應(yīng)用.pdf

1、特征提取或數(shù)據(jù)降維是模式識(shí)別中的一個(gè)關(guān)鍵問題，它的基本任務(wù)是研究如何從眾多數(shù)據(jù)特征中求出那些對(duì)分類識(shí)別最有效的特征，從而實(shí)現(xiàn)對(duì)特征空間維數(shù)的壓縮。本文對(duì)一種主要的線性降維技術(shù)和兩種非線性降維技術(shù)作了深入的研究，并針對(duì)特征提取技術(shù)在人臉識(shí)別領(lǐng)域的應(yīng)用提出了幾種改進(jìn)的算法，主要工作如下： 1．提出了一種改進(jìn)的主成分分析方法。該算法根據(jù)人臉樣本的先驗(yàn)類別信息，使用樣本的類內(nèi)協(xié)方差矩陣作為產(chǎn)生矩陣，并利用類內(nèi)均值向量和類間協(xié)方差矩陣來對(duì)

2、PCA變換后的特征向量進(jìn)行刷選，能使投影后的樣本能盡量的保持原有的分類信息，以提高識(shí)別效率。 2．在局部線性嵌入算法的基礎(chǔ)上，針對(duì)樣本可能分布不均的情況，使用一種新的距離使得處于樣本密集區(qū)的樣本之間的距離增大，而使得處于樣本稀疏的區(qū)域的樣本之間的距離縮小，其結(jié)果使樣本集的整體分布趨于均勻化，從而降低參數(shù)k的取值對(duì)算法的影響。并且針對(duì)局部線性嵌入算法對(duì)新樣本進(jìn)行特征提取的不便，提出了一種利用鄰接點(diǎn)求取其低維嵌入向量的方法。