基于改进二维保局投影算法的人脸识别

摘要：

传统的二维保局投影(2DLPP)算法未考虑样本邻域间局部信息，并且所提取的特征矩阵分量间存在相关性。针对该问题，提出基于大间距准则的最小相关性监督2 DLPP算法。引入类间局部散度矩阵和类内局部散度矩阵，最大化带权的散度矩阵迹差，以增大样本类间散度，减小样本类内散度，从而更好地刻画数据的流形结构。计算所提取特征矩阵各分量间的协方差矩阵，通过最小相关性分析，减少特征信息的冗余。在Yale和ORL人脸库上进行仿真实验，结果显示，当训练样本数为5时，该算法的最高识别率分别为92.5%和96.2%，与传统2 DLPP算法、二维主成分分析法、二维线性判别分析法和二维大间距准则法相比，识别率均有所提高。同时对不同训练样本数下识别率均值和方差进行分析，验证了算法的稳定性。

关键词：流形学习、最大间距准则、散度矩阵、二维保局投影、最小相关性、人脸识别

分类号：TP18(自动化基础理论)

资助基金：重庆大学“211”工程三期创新人才培养计划建设基金资助项目s-09110。

在线出版日期：2014-09-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：252-256