融合协作表达和重构判别分析的数据降维算法

摘要：

数据降维是处理高维数据的有效手段. 子空间学习算法由于其计算量小,性能较为出色而广泛应用于模式识别等领域,传统的子空间学习算法均可归纳为图嵌入算法框架中. 稀疏表达是近年来的一个研究热点,并广泛应用于信号处理和模式识别等领域,但计算复杂度较高. 在稀疏表达的基础上,研究者提出了协作表达. 相比稀疏表达,协作表达算法由于其有一个闭式解,因而计算量较小且判别性能较好,可以看成是数据表达的一种有效方法. 本文从协作表达的角度来解释图嵌入算法,将图嵌入算法看作是一类回归模型. 通过最小化类内重构误差散度的同时最大化类间重构误差散度,提出了一种新的图嵌入算法,即重构判别分析,并将它应用于该回归模型中,然后将问题归结为一广义的特征值问题,算法在某种程度上能有效避免子空间学习过程中矩阵的奇异性问题. 在人脸识别上的实验验证了算法的正确性和有效性.

关键词：数据降维、协作表达、图嵌入算法、重构判别分析、人脸识别

所属期刊栏目：29

分类号：TP391.4(计算技术、计算机技术)

资助基金：浙江省自然科学基金LQ15F020001

在线出版日期：2018-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：553-559