基于稀疏保持判别嵌入的人脸识别.pdf

《基于稀疏保持判别嵌入的人脸识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第35卷第2期仪器仪表学报V01．35No．22014年2月ChineseJournalofScientificInstrumentFeb．2014基于稀疏保持判别嵌入的人脸识别水王国强，李龙星，郭晓波(1．洛阳理工学院计算机与信息工程系洛阳471023；2．大连理工大学机械工程学院CAD&网络研究所大连116024；3．安阳工学院计算机科学与信息工程学院安阳455000)摘要：最近，人们对高维数据(例如人脸图像)潜在的稀疏表征结构有很大兴趣。提出一种称为稀疏保持判别嵌入(SPDE)新降维算法，该算法在稀疏保持投影(SPP)的目标函数中增加

2、了改进的最大间距准则(MMMC)。SPDE保留了SPP的保持稀疏结构特性，利用了MMMC的全局判别结构。SPDE合并了稀疏准则和Fisher准则，具有更强的判别力，尤其训练集小的时候，更适合于人脸识别任务。SPDE能够自然地避免小样本问题并且计算是有效的。在3个公共人脸数据库(ORL、Yale以及FERET)上的实验结果表明SPDE对人脸识别是有效的和可行的。关键词：降维；稀疏保持投影；改进的最大间距准则；人脸识别中图分类号：TP391．41文献标识码：A国家标准学科分类代码：510．40Sparsitypreservingdiscrimi

3、nantembeddingforfacerecognitionWangGuoqiang，LiLongxing，GuoXiaobo(J．DepartmentofComputerandInformationEngineering，LuoyangInstituteofScienceandTechnology，Luoyang471003，China；2．InstituteofCAD&NetworkTechnology，SchoolofMechanicalEngineering，DalianUniversityofTechnology，Dalian1

4、16024，China；3．SchoolofComputerScienceandInformationEngineering．AnyangInstituteofTechnology，Anyang455000，China)Abstract：Recently，thereislotsofinterestinthepotentialsparserepresentationstructureofhigh-dimensionalitydata，suchasfaceimages．Inthispaper，anoveldimensionalityreduct

5、ionalgorithm，calledsparsitypreservingdiscriminantembedding(SPDE)，isproposedinwhichthemodifiedmaximummargincriterion(MMMC)isaddedintotheobjectivefunctionofsparsitypreservingprojection(SPP)．SPDEretainsthesparsitystructurepreservingcharacteristicofSPPandutilizestheglobaldiscr

6、iminativestructureobtainedfromMMMC．TheproposedSPDEalgorithmcombinesthespar-sitycriterionandFishercriterionandhasstrongerdiscriminatingpower；especiallywhenthesizeofthetrainingsetissmal1．mealgorithmismoresuitableforfacerecognitiontask．TheSPDEalgorithmcanavoidthesmallsamplesi

7、zeproblemnaturallyandthecomputationisefficient．Theexperimentresultsonthreepubliclyavailablefacedatabases(ORL．YaleandFERET)showthattheSPDEalgorithmiSeffectiveandfeasibleforfacerecognition．Keywords：dimensionalityreduction；sparsitypreservingprojection(SPP)；modifiedmaximummarg

8、incriterion(MMMC)；facerecognition问题广泛使用的方法是降维，降维的目标就是把高维人1引言脸数据转换成有意义的低维表征。主成分分析(principa