丁春涛;张，李 基于双邻接图的鉴别邻域嵌入。 （英语） 兹比尔1374.68372 模式识别 第5号第48页，1734-1742页（2015年）. 摘要：判别邻域嵌入（DNE）是一种典型的基于图形的降维方法，已成功应用于人脸识别。通过构造邻接图，以保持子空间中原始数据的局部结构为目标，可以有效地找到最佳鉴别方向。DNE在构建邻接图时，并不是每个样本都会在它和它的异构样本之间建立链接，这会导致类间散布很小。基于这个事实，我们通过引入两个邻接图或同构和异构邻接图，发展了DNE的一个扩展，称为基于双邻接图的鉴别邻接嵌入（DAG-DNE）。在DAG-DNE中，属于同一类的邻居是紧的，而属于不同类的邻居在子空间中是可分离的。因此，DAG-DNE可以保持给定数据的局部结构，并为其找到一个良好的投影矩阵。为了研究DAG-DNE的性能，我们在几个公开的数据集上将其与最先进的降维技术（如DNE和MFA）进行了比较。实验结果表明了该方法的可行性和有效性。 引用于1文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：监督学习;判别邻域嵌入;流形学习;人脸识别;双邻接图 软件：羊水过少;耶鲁脸 PDF格式BibTeX公司 XML格式引用 \textit{C.Ding}和\textit{L.Zhang}，模式识别48，第5期，1734--1742（2015；Zbl 1374.68372） 全文： DOI程序 参考文献： [1] 特克，M.A。；Pentland，A.P.，使用特征脸的人脸识别，计算机。视觉。模式识别。，27, 3, 586-591 (1991) [2] 他，X.F。；闫S.C。；胡玉霞。；Niyogi，P。；Zhang，H.J.，使用拉普拉斯人脸的人脸识别，模式分析。机器。智力。，27, 328-340 (2005) [4] 何，X.F。；蔡，D。；Han，J.W.，学习图像检索的最大边缘子空间，Knowl。数据工程，20189-201（2008） [5] 闫S.C。；徐，D。；张碧玉。；张海杰。；Yang，Q.，Graph嵌入了降维的一般框架，计算。视觉。模式识别。，2, 830-837 (2005) [6] 杜达，R。；哈特，P。；Stork，D.，模式分类（2000），John Wiley&Sons，美国 [7] 马丁内斯，A.M。；Kak，A.C.，PCA与LDA，模式分析。机器。智力。，23, 228-233 (2001) [9] Xu，Y。；Zhong，A.N。；杨，J。；Zhang，D.，用于人脸识别的LPP解决方案，模式识别。，43, 4165-4176 (2010) ·Zbl 1207.68329号 [10] Roweis，S.T。；Saul，L.K.，局部线性嵌入的非线性降维，《科学》，290，2323-2326（2000） [11] 何，X.F。；蔡，D。；闫S.C。；张海杰，邻域保持嵌入，计算。视觉。，2, 1550-5499 (2005) [12] 闫S.C。；徐，D。；张碧玉。；张海杰。；杨琼。；Lin，S.，《图嵌入和扩展：降维的一般框架》，模式分析。机器。智力。，29, 40-51 (2007) [13] 赵洪涛。；Sun，S.Y。；Jing，Z.L。；Yang，J.Y.，基于局部结构的监督特征提取，模式识别。，39, 1546-1550 (2006) ·Zbl 1095.68679号 [14] Wong，W.K。；赵洪涛，监督最优局部保持投影，模式识别。，45, 186-197 (2012) ·Zbl 1225.68261号 [15] 张，W。；薛晓勇。；卢，H。；郭玉凤，用于分类的判别邻域嵌入，模式识别。，39, 2240-2243 (2006) ·Zbl 1102.68643号 [16] 何，X.F。；蔡，D。；闫S.C。；张海杰，正交邻域保持投影基于投影的降维技术，模式分析。机器。智力。，29, 2143-2156 (2007) [18] Golub，G.H。；Van，C.F.，矩阵计算（1996），美国约翰霍普金斯大学·Zbl 0865.65009号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。