基于竞争性协同表示的局部判别投影特征提取

摘要：

特征提取算法中利用样本间的协同表示关系构造邻接图只考虑所有训练样本的协同能力,而忽视了每一类训练样本的内在竞争能力.为此,本文提出一种基于竞争性协同表示的局部判别投影特征提取算法(com-petitive collaborative repesentation-based local discrininant projection for feature extraction,CCRLDP),该算法利用基于具有竞争性协同表示的方法构造类间图和类内图,考虑到邻接图中各类型系数的影响,引入保留正表示系数的思想稀疏化邻接图,通过计算类内散度矩阵和类间散度矩阵来刻画图像的局部结构并得其最优投影矩阵.在一些数据集上的实验结果表明,相比同类基于局部判别投影的特征提取算法,该算法具有很高的识别率,并在噪声和遮挡上具有良好的鲁棒性,该算法能有效地提高图像的识别效率.

关键词：特征提取、协同表示、模式识别、正系数、竞争性、鲁棒性、局部结构、人脸图像

所属期刊栏目：14

分类号：TP391.4(计算技术、计算机技术)

资助基金：江苏省研究生科研创新计划项目KYCX17_1500

在线出版日期：2019-10-18（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：974-981