一种可鉴别的稀疏保局投影算法

摘要：

为了增强高维数据在低维子空间中的模式识别能力,假设任意2个类别相同的相似样本其稀疏表示也相似,并基于SPP和LPP思想,提出一种可鉴别稀疏保局投影降维新方法DSLPP.该方法通过稀疏表示学习和保局部投影,使得在投影子空间中不仅能够保持稀疏表示对数据很好的表达能力,而且较好地获取高维数据所蕴含的本质局部流形结构和自然判别信息,从而增强高维数据在子空间中的表示能力和可鉴别能力.在3个典型的人脸数据集Yale,ORL和PIE29上,将所提出方法DSLPP与PCA,LPP,NPE和SPP进行对比试验.结果表明DSLPP是一种有效的降维方法,能够较好地改善高维数据在低维子空间中的分类效果.

关键词：可鉴别稀疏保局投影、稀疏保持投影、保局部投影、稀疏表示、降维、模式分类

所属期刊栏目：36

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61502208,61170126;中国博士后科学基金资助项目2015M570411;江苏省自然科学基金资助项目BK20150522;江苏省高校自然科学研究项目14KJB520007;江苏大学高级专业人才科研启动基金资助项目14JDG037

在线出版日期：2016-09-18（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：691-696