基于图像欧氏距离的二维局部多样性保持投影
主成分分析可以较好地保持数据的全局多样性几何属性,在模式识别、机器学习、图像识别等领域有着很重要的作用.缺点是他不能较好地保持局部数据的多样性几何属性,且忽略了图像像素之间的相互关系,导致算法性能不够好,且对模式形变比较敏感.对此问题,提出了一种基于图像欧氏距离的二维局部多样性保持投影.该方法利用邻接图描述局部数据之间的变化关系,然后利用图像欧氏距离度量数据间的多样性几何属性,有效地将图像像素之间的相互关系嵌入到目标函数中.和主成分分析相比,所提方法较好地保持了局部数据的多样性几何属性,而且明确考虑了图像像素之间的相互关系,对模式形变具有好的鲁棒性.在Yale,AR及PIE三个人脸库上的实验结果证明了所提算法的有效性.
二维主成分分析、多样性、流形学习、特征提取、人脸识别
39
国家自然科学基金61271296,60802075;陕西省自然科学基础研究计划2012JM8002;浙江大学CAD&CG国家重点实验室开放课题A1106;中国博士后基金2012M521747;高等学校学科创新引智计划B08038;中央基本科研业务费,西安电子科技大学ISN国家重点实验室自主研究课题资助;National Natural Science Foundation of China61271296,60802075;Natural Science Basic Research Plan in Shaanxi Province of China2012JM8002;the Open Project Program of the State Key Laboratory of CAD & CG,Zhejiang UniversityA1106;China Postdoctoral Science Foundation2012M521747;111 Project of ChinaB08038;Fundamental Research Funds for the Central Universities of China,and the State Key Laboratory of Integrated Service Networks,Xidian University
2013-10-16（万方平台首次上网日期，不代表论文的发表时间）
共9页
1062-1070
