泛化改进的局部切空间排列算法

摘要：

改进的局部切空间排列( ILTSA)算法解决了当样本稀疏、分布不均匀或数据流密度曲率变化较大时,局部切空间排列算法不能揭示流形结构的问题,用于人脸识别能提取更好的低维特征,但不能有效处理不断增加的数据集的问题。为此,提出一种可泛化的ILTSA( GILTSA)算法。结合类别信息定义样本间的距离实现各样本的近邻集选择,基于ILTSA算法求解训练样本集的低维流形,对每个新样本寻找其在训练样本集中的最近邻,然后根据ILTSA算法原理求得其近似低维流形。在ORL、Yale和埃塞克斯大学人脸库上的实验结果表明,与主成分分析算法和线性局部切空间排列算法等相比,GILTSA算法具有更好的识别率。

关键词：流形学习、局部切空间排列、泛化、特征提取、人脸识别

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目61171152;浙江省自然科学基金资助项目LY13F020044。

在线出版日期：2014-12-09（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：160-166