×
高全雪;许慧;李一英;谢德燕

二维监督局部相似性和多样性投影。 （英语） Zbl 1209.68415号

模式识别 43，第10号，3359-3363（2010）.
摘要：本文提出了一种新的流形学习方法，即二维监督局部相似性和多样性投影（2DSLSDP），用于特征提取。该方法定义了两个加权邻接图，即相似图和分集图。相似图的亲和矩阵由该图的顶点之间的空间关系决定，而多样性图的亲和矩阵由其图的顶点的多样性信息决定。该方法利用这两个图分别构造局部相似性散布和多样性散布。然后，通过最小化局部相似性散射和局部多样性散射的比率，提出了一个简明的特征提取准则。因此，2DSLSDP不仅可以很好地保持相邻相似性结构，还可以很好的保持数据点的多样性，这对分类非常重要。在AR和UMIST数据库上的实验表明了该方法的有效性。

引用于4文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
68吨10 模式识别、语音识别

关键词：

流形学习;特征提取;多样性;2DLPP公司;人脸识别
PDF格式BibTeX公司 XML格式引用
\textit{Q.-X.Gao}等人，模式识别43，No.10，3359-3363（2010；Zbl 1209.68415）
全文： 内政部

参考文献：

[1] Tenenbaum，J.B。；德席尔瓦，V。；朗福德。，J.C.，《非线性降维的全球几何框架》，《科学》，290，2320-2323（2000）
[2] Roweis，S.T。；Saul，L.K.，局部线性嵌入的非线性降维，《科学》，290，2323-2326（2000）
[3] 贝尔金，M。；Niyogi，P.，用于降维和数据表示的拉普拉斯特征映射，神经计算，15，6，1373-1396（2003）·Zbl 1085.68119号
[4] 何，X。；Yan，S。；胡，Y。；Niyogi，P。；Zhang，H.，使用拉普拉斯人脸进行人脸识别，IEEE模式分析和机器智能汇刊，27，3，328-340（2005）
[5] 何，X。；蔡，D。；Yan，S。；张浩，邻里保护嵌入，第十届IEEE计算机视觉国际会议论文集（2005）
[6] 蔡，D。；何，X。；Han，J.，等距投影，人工智能发展协会（2007）
[7] 胡，D。；冯·G。；Zhou，Z.，二维局部保持投影及其在掌纹识别中的应用，模式识别，40，339-342（2007）·Zbl 1103.68758号
[8] 赵，H。；Sun，S。；Jing，Z。；Yang，J.，基于监督特征提取的局部结构，模式识别，39，1546-1550（2006）·Zbl 1095.68679号
[9] Zhi，R。；阮清，基于二维判别局部保持投影的面部表情识别，神经计算，711730-1734（2008）
[10] Yan，S。；徐，D。；张，B。；张，H。；杨琼。；Lin.，S.，图嵌入和扩展：降维的一般框架，IEEE模式分析和机器智能汇刊，29，1，40-51（2007）
[11] 胡忠，《二维局部保持投影及其在掌纹识别中的应用评述》，《模式识别》，第41、4、1426页（2008）
[12] 胡，D。；冯·G。；周，Z.，关于二维局部保持投影（2DLPP）及其在掌纹识别中应用的评论的回复，模式识别，41，4，1427（2008）
[13] 杨，J。；张博士。；Frangi，A.F。；Yang，J.，《二维主成分分析：基于外观的人脸表示和识别的新方法》，IEEE模式分析和机器智能汇刊，26，131-137（2004）
[14] 熊，H。；斯瓦米，M.N.S。；Ahmad，M.O.，人脸识别的二维FLD，模式识别，38，7，1121-1124（2005）
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。