×
张健;杨健

线性重构测度指导最近邻分类框架。 （英语） Zbl 1341.62197号

模式识别 471709-1720（2014）第4期.
摘要：本文介绍了线性重构测度（LRM），它通过对最小范数误差线性重构系数进行排序来确定所有已知训练样本中查询样本的最近邻。通过直观的解释和数学证明，揭示了LRM的有效工作机理。通过分析系数和正则项的物理意义，我们发现，与计算两个实体（即传统点到点、C-PtP）之间距离的传统相似性度量模型相比，LRM提供了更多有用的信息和优势。受LRM优点的启发，根据LRM的不同决策规则和模型，设计了由八个分类器组成的线性重构测度控制的最近邻分类框架（LRM-NNCF）。对多个人脸数据库的评估和实验结果表明，这些分类器可以获得比基于C-PtP的1-NN更好的性能，并且与最新的分类器相比，具有竞争性的识别准确性和鲁棒性。

引用于1文件

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
68T05年 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：

线性重建测量;模式分类;分类器;匹配学习;人脸识别

软件：

Yall1号机组;AR面;CMU项目
PDF格式BibTeX公司 XML格式引用
\textit{J.Zhang}和\textit{J.Yang}，模式识别47，第4期，1709--1720（2014；Zbl 1341.62197）
全文： 内政部

参考文献：

[1] 鲍耶，K.W。；Phillips，P.J.，《计算机视觉中的经验评估技术》（1998），IEEE CS出版社·Zbl 0931.68131号
[2] Lebanon，G.，文本文档的度量学习，IEEE Trans。模式分析。机器。智力。，28、4、497-508（2006年），（4月）
[3] 帕雷德斯，R。；Vidal，E.，学习加权度量以最小化最近邻分类错误，IEEE Trans。模式分析。机器。智力。，28、7、1100-1110（2006）、（7月）
[4] 塞贝，N。；卢，M.S。；Huijsmans，D.P.，朝向改进的排名指标，IEEE Trans。模式分析。机器。智力。，22、10、1132-1143（2000）、（10月）
[5] Wang，H.，《按邻里计算的最近邻居》，IEEE Trans。模式分析。机器。智力。，28,7942-953（2006年），（7月）
[6] Liu，C.-J.，贝叶斯决策规则诱导的相似性度量，IEEE Trans。模式分析。机器。智力。，291086-1090（2007），（6月）
[7] 盖，T.M。；Hart，P.E.，最近邻模式分类，IEEE Trans。Inf.理论，13，1，21-27（1967）·Zbl 0154.44505号
[8] Fukunaga，K.，《统计模式识别导论》（1990），学术出版社·Zbl 0711.62052号
[9] 李秀珍。；Lu，J.-W.，使用最近特征线方法进行人脸识别，IEEE Trans。神经网络。，10, 2, 439-443 (1999)
[10] Chien，J.-T。；Wu，C.-C.，用于人脸识别的判别小波面和最近特征分类器，IEEE Trans。模式分析。机器。智力。，1644-1649年12月24日（2002年）
[11] 赵，Z，-L。；Zou，C.，用于模式分类的局部最近邻分类器，模式识别。，37, 6, 1307-1309 (2004) ·Zbl 1069.68595号
[12] 阿哈·D·W。；Kibler，D。；Albert，M.K.，基于实例的学习算法，马赫。学习。，6，37-66（1991年）
[13] Angiulli，F.，《大数据集分类的快速最近邻凝聚》，IEEE Trans。知识。数据工程，19，11，1450-1464（2007）
[14] Angiulli，F。；Folino，G.，《基于最近邻的超大数据集的分布式压缩》，IEEE Trans。知识。数据工程，19，12，1593-1606（2007）
[15] 布赖顿，H。；Mellish，C.，基于实例的学习算法的实例选择进展，Data Min Knowl。发现。，6, 153-172 (2002) ·Zbl 1027.68673号
[16] 南卡罗来纳州加西亚。；Ramón Cano，J。；Herrera，F.，进化原型选择的模因算法：放大方法，模式识别。，41, 8, 2693-2709 (2008) ·Zbl 1149.68411号
[17] Jankowski，北卡罗来纳州。；Grochowski，M.，实例选择算法的比较ii。结果与评论，人工智能与软计算，580-585（2004），Springer·Zbl 1058.68559号
[18] Pkalska，E。；Duin，R.P.W。；Paclik，P.，基于差异的分类器原型选择，模式识别。，39, 2, 189-208 (2006) ·Zbl 1080.68646号
[19] 李彦宏。；Maguire，L.P.，《基于局部几何和统计信息选择关键模式》，IEEE Trans。模式分析。机器。智力。，33、6、1189-1201（2010）、（10月）
[20] Belhumeur，P.N。；赫斯帕尼亚，J.P。；Kriegman，D.J.，《特征脸与渔夫脸：使用特定类别线性投影的识别》，IEEE Trans。模式分析。机器。智力。，19、7、711-720（1997年），（7月）
[21] 哈斯蒂，T。；Tibshirani，R.，判别自适应最近邻分类，IEEE Trans。模式分析。机器。整数。，18, 6, 607-615 (1996)
[22] 多梅尼科尼，C。；彭杰。；Gunopulos，D.，局部自适应度量最近邻分类，IEEE Trans。模式分析。机器。智力。，24、9、1281-1285（2002年），（9月）
[23] 杨，J。；张，L。；Yang，J.-Y。；从分类器到鉴别器：最近邻规则诱导的判别分析，模式识别。，441387-1402（2011年），（7月）·Zbl 1210.68096号
[24] 马哈拉诺比斯，P.C。；Chandra，P.，《关于统计学中的广义距离》，Proc。国家。科学研究所。印度，2，1，49-55（1936）·Zbl 0015.03302号
[26] Wang，J。；奈斯科维奇，P。；Cooper，L.N.，用简单的自适应距离度量改进最近邻规则，模式识别。莱特。，28, 2, 207-213 (2007)
[27] 温伯格，K.Q。；布利泽，J。；Saul，L.K.，《大幅度最近邻分类的距离度量学习》（2006），麻省理工学院出版社，（in：Nips）
[28] Wright，J。；杨，A。；Ganesh，A。；Sastry，S。；Ma，Y.，基于稀疏表示的鲁棒人脸识别，IEEE Trans。模式分析。机器。智力。，31, 2, 210-227 (2009)
[31] Tibshirani，R.，《通过LASSO回归收缩和选择》，J.R.Stat.Soc.B，58，1，267-288（1996）·Zbl 0850.62538号
[36] 贝克，A。；Teboulle，M.，线性反问题的快速迭代收缩阈值算法，SIAM。J.图像。科学。，2, 183-202 (2009) ·Zbl 1175.94009号
[39] Kim，S.J。；Koh，K。；Lustig，M。；博伊德，S。；Gorinevsky，D.，大规模l1-正则最小二乘的内点方法，IEEE J.Select。顶部。信号处理。，1, 4, 606-617 (2007)
[40] Tikhonov，A.N。；阿瑟宁，V.Y.，《病态问题的解决方案》[M]（1977），威利：威利纽约·Zbl 0354.65028号
[41] 霍尔，A.E。；Kennard，R.W.，《岭回归：非正交问题的有偏估计》，技术计量学，12，55-67（1970）·Zbl 0202.17205号
[42] 巴西，R。；雅各布斯，D.，朗伯反射和线性子空间，IEEE Trans。模式分析。机器。整数。，25、2、218-233（2003年），（2月）
[43] 纳西姆，I。；托涅里，R。；Bennamoun，M.，人脸识别的线性回归，IEEE Trans。模式分析。机器。智力。，32, 11, 2106-2112 (2010)
[44] 赵伟。；切拉帕，R。；Phillips，P.J.，《人脸识别：一项文献调查》，ACM Comput。调查。，35、4、399-459（2003年），（12月）
[45] 乔治亚德斯，A.S。；Belhumeur，P.N。；Kriegman，D.J.，《从少到多：可变光照和姿势下人脸识别的照明锥模型》，IEEE Trans。模式分析。机器。智力。，23, 6, 643-660 (2001)
[46] Lee，K.C。；Ho，J。；Driegman，D.，获取可变照明下人脸识别的线性子空间，IEEE Trans。模式分析。机器。智力。，27, 5, 684-698 (2005)
[48] 西姆·T。；贝克，S。；Bsat，M.，《CMU姿势、照明和表情数据库》，IEEE Trans。模式分析。机器。智力。，25, 12, 1615-1618 (2003)
[51] 菲德勒，S。；斯科卡，D。；Leonardis，A.，将重构子空间方法和区分子空间方法相结合，通过子采样实现稳健分类和回归，IEEE Trans。模式分析。机器。智力。，28,337-350（2006年），（3月）
[52] 杨，J。；张，L。；Xu，Y。；Yang，J.-Y.，《超越稀疏性：L1-优化器在模式分类中的作用》，模式识别。，45, 1104-1118 (2012) ·Zbl 1227.68102号
[53] Xu，Y。；David Zhang；杨，J。；Yang，J.-Y.，用于人脸识别的两阶段测试样本稀疏表示方法，IEEE Trans。电路系统。视频技术。，2011年9月21日
[54] Xu，Y。；朱，Q。；陈，Y。；Pan，Jeng-Shyang，对最近邻分类器和人脸识别实验的改进，Int.J.Innov。计算。信息控制，8，12（2012），（12月）
[55] 科恩，J。；科恩，P。；西，S.G。；Aiken，L.S.，《行为科学的应用多元回归/相关分析》（2003），劳伦斯·埃尔鲍姆协会：劳伦斯·埃尔鲍姆协会，新泽西州希尔斯代尔
[57] 斯科特·H·A。；艾伦·S·W。；Gregory，M.，《功能磁共振成像》（2004），出版商：Sinauer Associates，（4月1日）
[58] Kangjoo，L。；成浩，T。；Jong，Y.C.，使用MDL标准的稀疏字典学习进行Fmri分析的数据驱动稀疏GLM，IEEE Trans。医学图像。，30, 5 (2011)
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。