10.3969/j.issn.1001-3695.2017.07.063
基于2D-KPCA的拉普拉斯特征映射人脸识别
针对拉普拉斯特征映射(LE)只能保持局部近邻信息,对新测试点无法描述的不足,提出一种基于二维核主成分分析的拉普拉斯特征映射算法(2D-KPCA+LE).与核二维主成分分析算法(K2DPCA)不同,该算法首先对训练样本空间进行二维主成分分析(2DPCA),在保留样本空间结构信息的同时通过去相关性得到低秩的投影特征矩阵;然后用核主成分分析法(KPCA)提取全局非线性特征;由于其核函数需要大量存储空间,再用拉普拉斯特征映射(LE)进行降维.在ORL和FERET人脸数据库中的仿真实验结果表明,基于2D-KPCA的拉普拉斯特征映射算法不但可以有效处理复杂的非线性特征,还可以降低算法复杂度,提高流形学习的识别率.
二维主成分分析、核主成分分析、拉普拉斯特征映射、人脸识别
34
TP391.41(计算技术、计算机技术)
国家自然科学基金资助项目61262006,61540050;贵州省重大应用基础研究项目黔科合JZ字2001;贵州省科技厅联合基金资助项目黔科合LH字7636号
2017-08-14(万方平台首次上网日期,不代表论文的发表时间)
共5页
2212-2215,2220