L2,1范数正则化的不相关判别分析及其在人脸识别中的应用

摘要：

对高维数据降维并选取有效特征对分类起着关键作用.针对人脸识别中存在的高维和小样本问题,从特征选取和子空间学习入手,提出了一种L2,1范数正则化的不相关判别分析算法.该算法首先对训练样本矩阵进行奇异值分解;然后通过一系列变换,将原非线性的Fisher鉴别准则函数转化为线性模型;最后加入L2,1范数惩罚项进行求解,得到一组最佳鉴别矢量.将训练样本和测试样本投影到该低维子空间中,利用最近欧氏距离分类器进行分类.由于加入了L2,1范数惩罚项,该算法能使特征选取和子空间学习同时进行,有效改善识别性能.在ORL、YaleB及PIE人脸库上的实验结果表明,算法在有效降维的同时能进一步提高鉴别能力.

关键词：人脸识别、特征选取、子空间学习、L2、1范数、不相关判别分析、Fisher判别分析

所属期刊栏目：39

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61373055

在线出版日期：2017-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：343-350