基于监督协同近邻保持投影的人脸识别算法

摘要：

基于流形学习理论的近邻保持嵌入算法(Neighborhood Preserving Embedding,NPE)能够发现数据集中隐含的内蕴结构,但当训练样本不足时,无法准确发现数据的内在流形结构,从而影响算法的识别效果.针对这一问题,对NPE算法进行改进,提出了监督协同近邻保持投影算法(Supervised Collaborative Neighborhood Preserving Projection,SCNPP).该算法在类别信息的指导下构建近邻图,使同类样本间的几何关系得到保持,利用协同表示弥补NPE因样本不足造成的表示误差,以一个有效保持样本近邻关系、准确发现数据内在流形结构的权值矩阵计算投影矩阵,提高分类效果.在FERET、AR和Extended Yale B人脸数据集上的实验验证了该算法的有效性.

关键词：人脸识别、流形学习、近邻保持嵌入、协同表示、监督协同近邻保持投影

所属期刊栏目：42

分类号：TP391.41(计算技术、计算机技术)

资助基金：甘肃省自然科学基金2011GS04147;国家自然科学基金61263047

在线出版日期：2015-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：309-314