基于协作表示的全局加局部特征提取及其应用

《基于协作表示的全局加局部特征提取及其应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Ｓｏｕ化ＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ硕±学位论文、基于协作表示的全局加局部特征提取及其应用作者姓名＾学科专业概率论与数理统计指导教师龙卫江副教授所在学院数学学院论文提交日期２０１６年５月TheglobalpluslocalfeatureextractionbasedoncollaborativerepresentationanditsapplicationADissertationSubmittedfortheDegreeofMasterCandidat

2、e：JuLiSupervisor：Associate.Professor.WeijiangLongSouthChinaUniversityofTechnologyGuangzhou,China分类号：０２１学校代号；１０５６１学号：２０１３２０１２０９４６华南理工大学硕±学位论文基于协作表示的全局加局部特征提取及其应用作者姓名：：李菊．指导教师姓名、职称龙卫江副教授申请学位级别：硕ｉ学科专业名称：概率论与数理统计研究方向：数理统计与经济信息管理论文提交曰期：必／６年＾月參曰论文答辩曰期：方年＾月

3、曰学位授予单位：华南理工大学学位授予日期：年月日答辩委员会成员主席：、蚕员：庭参ｆ＾夺Ｖ护叫啼华南理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名項日期：必／６年＾月多日学位论文版权使用授权书本学位论文作者完全了解学校有关保

4、留、使用学位论文的规定，良Ｐ：研巧生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向国家有关部口或机构送交论文的复印件和电子版，允许学位论文被查阅（除在保密期内的保密论文外）；学校可Ｗ公布学位论文的全论部或部分内容，可允许采用影印、缩印或其它复制手段保存、汇编学位文。本人电子文档的内容和纸质论文的内容相一致。本学位论文属于：在年解密后适用本授权书。保密，同意在校园网上发布，供校内师生和与学校有共享协议的单位浏览；同意将本人学位论文提交中国学术期刊（光盘版）电子杂志化全文出

5、版和编入ＣＮＫＩ《中国知识资源＂总＂库》，传播学位论文的全部或部分内容。（请在Ｗ上相应方框内打Ｖ）參目作者签名：冬項＾＾日期；必终目指导教师签名：日期；必／＾＞年６巧＾日作者联系电话：电子邮箱：联系地址（含邮编）；摘要图像识别是统计和计算机科学的热点研究领域，其所涉及的数据一般是高维的。数据的高维特点，一方面会导致传统的处理过程时间和空间复杂度过高，产生“维数灾难”；另一方面大量的不相关或者冗余、噪声特征存在于高维数据，会严重影响图像识别效能。因此如何选取有效特征降低数据维数是图像识别的一个重要问题。本文

6、主要对高维小样本情形下的特征选取方法进行研究，并在人脸数据集上进行相应的实验。具体工作可归纳如下:（1）对基于线性判别分析（LDA）的特征提取方法进行研究，主要针对LDA忽视局部结构信息问题的几种扩展方法进行研究。重点讨论了完全全局加局部线性判别分析（CGLDA）方法的性能，该方法通过高维数据集中的全局判别信息、全局相似信息、局部模式方差、局部相似信息提取特征，能够减轻甚至避免过拟合，从而提高线性判别分析方法的识别性能。但CGLDA也有不足，在应用中计算速度较慢，且所提取特征的识别性能有待进一步提高。（2）提出基于协作表示的全局加局部

7、特征提取（CRGLFE）方法。该方法在CGLDA的基础上利用类内稀疏重构信息替换全局相似信息提取特征，解决了CGLDA计算速度较慢的问题，具有减轻过拟合、自适应调整数据、抗噪声能力强、计算速度快的优点。（3）提出基于协作表示的全局加局部线性判别分析（CRGLLDA）方法。该方法在CGLDA的基础上利用类内稀疏重构信息替换局部相似信息提取特征，解决了CGLDA所提取特征的识别性能有待提高的问题，具有减轻过拟合、抗噪声能力强、提取特征的识别性能高及稳定性强的优点。本文提出的方法在图像识别领域的公用人脸数据集Yale、ORL和AR上的实验结

8、果表明：CRGLFE保证与CGLDA提取的特征识别性能和稳定性相当的情况下，比CGLDA运行时间要少得多；CRGLLDA保证与CGLDA运行时间相当的情况下，比CGLDA提取特征的识别性能更高及稳定性更强。关键词：图像识