面向局部线性回归分类器的判别分析方法
局部线性回归分类器(locality-regularized linear regression classification,LLRC)在人脸识别上表现出了高识别率以及高效性的特点,然而原始特征空间并不能保证LLRC的效率.为了提高LLRC的性能,提出了一种与LLRC相联系的新的降维方法,即面向局部线性回归分类器的判别分析方法(locality-regularized linear regres-sion classification based discriminant analysis,LLRC-DA).LLRC-DA根据LLRC的决策准则设计目标函数,通过最大化类间局部重构误差并最小化类内局部重构误差来寻找最优的特征子空间.此外,LLRC-DA通过对投影矩阵添加正交约束来消除冗余信息.为了有效地求解投影矩阵,利用优化变量之间的关系,提出了一种新的迹比优化算法.因此LLRC-DA非常适用于LLRC.在FERET和ORL人脸库上进行了实验,实验结果表明LLRC-DA比现有方法更具有优越性.
局部线性回归分类器、维数约简、正交投影、迹比问题、人脸识别、特征提取、判别分析、线性回归分类器
14
TP391(计算技术、计算机技术)
国家自然科学基金项目61772272
2019-10-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
959-965