×
雷、珍；张志伟；斯坦·Z·李。

基于核的非线性判别分析的特征空间局部约束。 （英语） Zbl 1236.68216号

模式识别 45，第7期，2733-2742（2012）.
摘要：子空间学习是模式识别的一种重要方法。非线性判别分析（NDA）由于能够描述样本的非线性流形结构，被认为在图像相关问题中更能承担分类任务。基于核的NDA表示涉及三个空间，即原始数据空间、隐式映射的高维特征空间和目标低维子空间。现有的方法主要关注原始数据空间中的信息，寻找最具鉴别能力的低维子空间。隐式高维特征空间起着连接原始空间和目标子空间的作用，实现了非线性降维，但不涉及特征空间中的样本几何结构信息。在这项工作中，我们试图利用和探索这些信息。具体来说，将样本在特征空间中的局部信息建模并集成到传统的基于核的NDA方法中。通过这种方法，可以对原始数据空间和映射的高维特征空间中的样本分布进行建模，并期望探索更多信息以提高子空间的区分能力。提出了FSLC-KDA和FSLC-KSR两种算法。在ORL、Extended-YaleB、PIE、Multi-PIE和FRGC数据库上的大量实验验证了该方法的有效性。

MSC公司：

68吨10 模式识别、语音识别
62H25个 因子分析和主成分；对应分析
62H30型 分类和区分；聚类分析（统计方面）

关键词：

局部约束；要素空间；非线性判别分析；人脸识别

软件：

耶鲁脸；CMU项目；多-PIE；FRGC公司
PDF格式BibTeX公司 XML格式引用
\textit{Z.Lei}等，模式识别45，No.7，2733--2742（2012；Zbl 1236.68216）
全文： 内政部

参考文献：

[1] M.A.Turk，A.P.Pentland，使用本征面的人脸识别，载于：《IEEE计算机学会计算机视觉和模式识别会议论文集》，夏威夷，1991年，第586-591页。；M.A.Turk，A.P.Pentland，使用特征脸进行人脸识别，收录于：IEEE计算机社会计算机视觉和模式识别会议论文集，夏威夷，1991年，第586-591页。
[2] Belhumeur，P。；赫斯帕尼亚，J。；Kriegman，D.，《特征脸vs.Fisherfaces:使用类特定线性投影进行识别》，IEEE模式分析和机器智能学报，19，7，711-720（1997）
[3] Chen，L。；廖，H。；Ko，M。；林，J。；Yu，G.，一种新的基于lda的人脸识别系统，可以解决小样本问题，模式识别，33，10，1713-1726（2000）
[4] Yu，H。；Yang，J.，高维数据的直接lda算法及其在人脸识别中的应用，模式识别，34，10，2067-2070（2001）·Zbl 0993.68091号
[5] 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）
[6] 桂，J。；贾伟。；朱，L。；王，S。；Huang，D.，用于人脸和掌纹识别的位置保持判别投影，神经计算，73，13-15，2696-2707（2010）
[7] J.Chen，J.Ye，Q.Li，《整合全局和局部结构：降维的最小二乘框架》，收录于：IEEE计算机学会计算机视觉和模式识别会议论文集，2007年。；J.Chen，J.Ye，Q.Li，《整合全局和局部结构：降维的最小二乘框架》，收录于：IEEE计算机学会计算机视觉和模式识别会议论文集，2007年。
[8] Xu，Y。；冯·G。；Zhao，Y.，用于人脸识别的二维局部保持投影方法的一种改进，神经计算，73，1-3，245-249（2009）
[9] Yan，S。；徐，D。；张，B。；张，H。；杨琼。；Lin，S.，图嵌入与扩展：降维的一般框架，IEEE模式分析与机器智能学报，29，1，40-51（2007）
[10] 蔡，D。；何，X。；Han，J.，高效正则化子空间学习的谱回归，（ICCV（2007））
[11] S.Z.Li，A.K.Jain（编辑），《人脸识别手册》，Springer-Verlag，纽约，2005年。；S.Z.Li，A.K.Jain（编辑），《人脸识别手册》，Springer-Verlag，纽约，2005年·兹伯利1066.68115
[12] L.van der Maaten、E.Postma、H.van den Herik，《尺寸缩减：比较评论》，蒂尔堡大学技术报告，TiCC-TR 2009-0052009。；L.van der Maaten、E.Postma、H.van den Herik，《尺寸缩减：比较评论》，蒂尔堡大学技术报告，TiCC-TR 2009-0052009。
[13] Tenenbaum，J。；席尔瓦，V。；Langford，J.，《非线性降维的全球几何框架》，《科学》，290，22，2319-2323（2000）
[14] Roweis，S。；Saul，L.，通过局部线性嵌入降低非线性维数，《科学》，290，22，2323-2326（2000）
[15] 罗维斯，S.T。；Saul，L.K。；Hinton，G.E.，局部线性模型的全球协调，（神经信息处理系统学报（2001）），889-896
[16] Schölkopf，B。；Smola，A。；Müller，K.R.，作为核特征值问题的非线性分量分析，神经计算，101299-1319（1999）
[17] Vapnik，V.N.，《统计学习理论》（1998），John Wiley&Sons:John Willey&Sons New York·Zbl 0935.62007号
[18] 米卡，S。；Ratsch，G。；J·韦斯顿。；肖尔科夫，B。；Mller，K.-R.，Fisher核判别分析，用于信号处理的神经网络，IX，41-48（1999）
[19] 冯·G。；胡，D。；张，D。；Zhou，Z.，核lpp的替代公式及其在图像识别中的应用，神经计算，69，1733-1738（2006）
[20] Sugiyama，M.，通过局部Fisher判别分析对多模态标记数据进行降维，机器学习研究杂志，81027-1061（2007）·兹比尔1222.68312
[21] Golub，G.H。；van van Loan，C.F.，《矩阵计算》（1996），约翰霍普金斯大学出版社·Zbl 0865.65009号
[22] D.Cai，X.He，J.Han，通过谱回归进行有效的核判别分析，载《国际数据挖掘会议论文集》（ICDM’07），2007年。；D.Cai，X.He，J.Han，通过谱回归进行有效的核判别分析，载《国际数据挖掘会议论文集》（ICDM’07），2007年。
[23] 何，X。；蔡，D。；Yan，S。；张浩，邻域保护嵌入，（IEEE国际计算机视觉会议论文集（2005），1208-1213
[24] F.Samaria，A.Harter，人脸识别随机模型的参数化，摘自：IEEE第二届计算机视觉应用研讨会论文集，佛罗里达州萨拉索塔，1994年，第138-142页。；F.Samaria，A.Harter，人脸识别随机模型的参数化，摘自：IEEE第二届计算机视觉应用研讨会论文集，佛罗里达州萨拉索塔，1994年，第138-142页。
[25] 乔治亚德斯，A。；Belhumeur，P。；Kriegman，D.，《从少到多：可变光照和姿势下人脸识别的照明锥模型》，IEEE模式分析和机器智能汇刊，23，6，643-660（2001）
[26] 西姆·T。；贝克，S。；Bsat，M.，CMU姿势、照明和表情数据库，IEEE模式分析和机器智能汇刊，25，12，1615-1618（2003）
[27] 毛重，R。；马修斯一世。；科恩，J.F。；Kanade，T。；Baker，S.，Multi-pie，Image and Vision Computing，28，5，807-813（2010年）
[28] Phillips，P.J。；弗林，P.J。；Scruggs，W.T。；鲍耶，K.W。；Chang，J.等人。；霍夫曼，K。；Marques，J。；Min，J.等人。；Worek，W.J.，《人脸识别重大挑战概述》（IEEE计算机学会计算机视觉和模式识别会议论文集（2005）），947-954
[29] 卢，J。；Plataniotis，K.N。；Venetsanopoulos，A.N.，使用核直接判别分析算法的人脸识别，IEEE神经网络汇刊，14，1，117-126（2003）
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。