代价敏感的监督流形学习人脸识别方法
基于子空间学习的人脸识别均假设所有错误识别会导致一样的损失.在人脸识别应用中,不同的错误识别造成的损失则不同.提出一种代价敏感的监督流形学习人脸识别方法,该方法采用一个代价矩阵来指定不同的误分类代价,并将其容纳到局部保持投影(Locality Preserving Projections,LPP)算法中,获得相应的代价敏感局部保持投影(Cos-Sen LPP),以实现人脸识别整体损失最小化.在3个人脸数据库上的实验结果表明,与现有的子空间学习方法相比,Cos-Sen LPP方法花费了最少的整体代价.
代价敏感、流形学习、人脸识别、局部保持投影
28
TP391(计算技术、计算机技术)
2016-08-05(万方平台首次上网日期,不代表论文的发表时间)
1077-1085