發(fā)布時(shí)間：2018-05-21 20:44

  本文選題：特征提取 + 局部線性嵌入　； 參考：《計(jì)算機(jī)應(yīng)用研究》2017年05期

【摘要】：針對(duì)局部線性嵌入算法(LLE)無(wú)法利用樣本的鑒別信息,最大邊界準(zhǔn)則算法(MMC)對(duì)非線性數(shù)據(jù)處理能力較弱的不足,提出一種基于最大間距準(zhǔn)則的稀疏局部嵌入(SLE/MMC)特征提取算法。在保持局部近鄰的前提下,首先在類內(nèi)緊致圖中使同類樣本盡可能地聚集在一起;然后在類間懲罰圖中使不同類別的樣本盡可能分離;最后使用彈性網(wǎng)回歸算法得到一個(gè)最優(yōu)的稀疏投影矩陣。為了避免小樣本問(wèn)題,采用MMC的形式構(gòu)造目標(biāo)函數(shù)。在ORL、Yale以及UMIST人臉庫(kù)上的實(shí)驗(yàn)結(jié)果可以看到,同其他幾種方法(PCA、LLE和MMC)相比,SLE/MMC具有更高的識(shí)別率,表明該方法具有更高效的特征提取能力。
[Abstract]:Because the local linear embedding algorithm (LLE) can not utilize the discriminant information of the sample and the maximum boundary criterion (MMC) algorithm has a weak ability to deal with nonlinear data, a sparse local embedding / MMC feature extraction algorithm based on the maximum spacing criterion is proposed. On the premise of preserving local nearest neighbors, the same kind of samples are gathered together in the compact graph of class as much as possible, and then the samples of different classes are separated as far as possible in the punishment graph between classes. Finally, an optimal sparse projection matrix is obtained by using elastic network regression algorithm. In order to avoid the small sample problem, the objective function is constructed in the form of MMC. The experimental results on ORL Yale and UMIST face database show that the proposed method has a higher recognition rate than other methods such as PCALE and MMC, which indicates that the proposed method is more efficient in feature extraction.
【作者單位】： 南昌航空大學(xué)江西省圖像處理與模式識(shí)別重點(diǎn)實(shí)驗(yàn)室;南昌航空大學(xué)信息工程學(xué)院;南京理工大學(xué)高維信息智能感知與系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室;南京曉莊學(xué)院可信云計(jì)算與大數(shù)據(jù)分析重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61462064,61272077,61203243,61262019,61362031) 高維信息智能感知與系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室(南京理工大學(xué))基金資助項(xiàng)目(30920140122006) 中國(guó)博士后基金資助項(xiàng)目(2014T70453,2013M530223)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 朱玉蓮;陳松燦;趙國(guó)安;;推廣的矩陣模式特征提取方法及其在人臉識(shí)別中的應(yīng)用[J];小型微型計(jì)算機(jī)系統(tǒng);2007年04期

2 趙振勇;王保華;王力;崔磊;;人臉圖像的特征提取[J];計(jì)算機(jī)技術(shù)與發(fā)展;2007年05期

3 馮海亮;王麗;李見為;;一種新的用于人臉識(shí)別的特征提取方法[J];計(jì)算機(jī)科學(xué);2009年06期

4 陳偉;瞿曉;葛丁飛;;主觀引導(dǎo)特征提取法在光譜識(shí)別中的應(yīng)用[J];科技通報(bào);2011年04期

5 王華,李介谷;人臉斜視圖象的特征提取與恢復(fù)[J];上海交通大學(xué)學(xué)報(bào);1997年01期

6 黃麗莉;皋軍;;基于局部加權(quán)的非線性特征提取方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S1期

7 徐f ,邱道尹,沈憲章;糧倉(cāng)害蟲的特征提取與分類的研究[J];鄭州工業(yè)大學(xué)學(xué)報(bào);2000年04期

8 馬希榮,王行愚;西夏文字特征提取的研究[J];計(jì)算機(jī)工程與應(yīng)用;2002年13期

9 王萍,王漢芝,岳斌,林孔元,劉還珠;一種大規(guī)模樣本數(shù)據(jù)的特征提取方法[J];天津輕工業(yè)學(xué)院學(xué)報(bào);2003年04期

10 王社陽(yáng),強(qiáng)文義,陳興林,張宏宇;基于空間矩的角特征提取[J];控制與決策;2005年03期

相關(guān)會(huì)議論文 前10條

1 潘榮江;孟祥旭;楊承磊;王銳;;旋轉(zhuǎn)體的幾何特征提取方法[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

2 薛燕;李建良;朱學(xué)芳;;人臉識(shí)別中特征提取的一種改進(jìn)方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

3 杜栓平;曹正良;;時(shí)間—頻率域特征提取及其應(yīng)用[A];2005年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

4 黃先鋒;韓傳久;陳旭;周劍軍;;運(yùn)動(dòng)目標(biāo)的分割與特征提取[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2008年

5 林土勝;賴聲禮;;視網(wǎng)膜血管特征提取的拆支跟蹤法[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 杜栓平;丁烽;楊華;;基于小波系數(shù)聚類的特征提取器[A];中國(guó)聲學(xué)學(xué)會(huì)2002年全國(guó)聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2002年

7 白真龍;霍強(qiáng);;在聯(lián)機(jī)手寫中文識(shí)別中一種針對(duì)8方向特征提取的改進(jìn)算法[A];中文信息處理前沿進(jìn)展——中國(guó)中文信息學(xué)會(huì)二十五周年學(xué)術(shù)會(huì)議論文集[C];2006年

8 賈會(huì)強(qiáng);劉曉麗;于洪志;;基于詞性特征提取的藏文文本分類方法研究[A];CCF NCSC 2011——第二屆中國(guó)計(jì)算機(jī)學(xué)會(huì)服務(wù)計(jì)算學(xué)術(shù)會(huì)議論文集[C];2011年

9 王茵;陳孝威;;基于層次特征提取及形態(tài)學(xué)的圖像分割算法[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議(HHME2006)——第15屆中國(guó)多媒體學(xué)術(shù)會(huì)議(NCMT'06)論文集[C];2006年

10 史廣智;胡均川;;艦船螺旋槳葉片數(shù)識(shí)別研究[A];2005年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

相關(guān)博士學(xué)位論文 前10條

1 易軍;人臉識(shí)別中的特征提取與度量學(xué)習(xí)算法研究[D];北京郵電大學(xué);2015年

2 陳超;復(fù)雜光照條件下的人臉識(shí)別方法研究[D];浙江大學(xué);2016年

3 苗捷;時(shí)空特征提取方法研究[D];華南理工大學(xué);2016年

4 譚文學(xué);基于機(jī)器學(xué)習(xí)的作物病害圖像處理及病變識(shí)別方法研究[D];北京工業(yè)大學(xué);2016年

5 彭藝;面向可視化的特征提取、簡(jiǎn)化與追蹤[D];清華大學(xué);2015年

6 王勝;基于子空間的特征提取與融合算法研究[D];南京理工大學(xué);2016年

7 游大濤;基于聽覺機(jī)理的魯棒特征提取及在說(shuō)話人識(shí)別中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2013年

8 趙武鋒;人臉識(shí)別中特征提取方法的研究[D];浙江大學(xué);2009年

9 楊章靜;基于鄰域結(jié)構(gòu)的特征提取及其在人臉識(shí)別中的應(yīng)用研究[D];南京理工大學(xué);2014年

10 劉艷艷;子空間特征提取方法及其在人臉識(shí)別中的應(yīng)用[D];大連理工大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 湯鵬;基于LDA的特征提取及其在人臉識(shí)別中的應(yīng)用[D];河北大學(xué);2015年

2 安磊磊;基于改進(jìn)PCA和LDA的特征提取方法[D];河北大學(xué);2015年

3 周雷;基于深度學(xué)習(xí)的人臉美麗預(yù)測(cè)研究[D];五邑大學(xué);2015年

4 王婷婷;基于圖像處理技術(shù)的古籍電子化研究[D];五邑大學(xué);2015年

5 謝乃俊;低秩矩陣恢復(fù)在維數(shù)約簡(jiǎn)中的研究與應(yīng)用[D];江西理工大學(xué);2015年

6 端明亮;基于哼唱搜索的音樂(lè)檢索系統(tǒng)研究[D];電子科技大學(xué);2015年

7 陸浩;基于線狀特征提取的機(jī)場(chǎng)目標(biāo)識(shí)別技術(shù)[D];電子科技大學(xué);2014年

8 劉奇;基于語(yǔ)義的惡意代碼行為特征提取與分類技術(shù)研究[D];電子科技大學(xué);2014年

9 楊培;基于改進(jìn)特征提取的評(píng)論有效性分類模型[D];武漢紡織大學(xué);2015年

10 張達(dá)明;基于局部特征提取的場(chǎng)景分類算法研究[D];電子科技大學(xué);2015年

，

本文編號(hào)：1920755