×
张迪；何家忠；赵云；罗忠良；杜明辉

全局加局部：一个完整的特征提取和识别框架。 （英语） Zbl 1326.68239号

模式识别 47，第3期，1433-1442（2014）.
摘要：线性判别分析（LDA）是机器学习和模式分类中最常用的监督特征提取技术之一。然而，LDA只捕获数据的全局几何结构信息，而忽略了局部数据点的几何结构信息。尽管已经发表了许多文章来解决这个问题，但其中大多数都是不完整的，因为只使用了部分本地信息。我们在这里表明，共有三种局部信息，即局部相似信息、局部类内模式变化和局部类间模式变化。我们首先提出了一种新的方法，称为增强的类内LDA（EWLDA）算法来合并局部相似性信息，然后提出了一个完整的框架，称为完整的全局-局部LDA（CGLDA）方法来合并这三种局部信息。在两个图像数据库上的实验结果证明了我们算法的有效性。

引用于2文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
62H30型 分类和区分；聚类分析（统计方面）
62华氏35 多元分析中的图像分析
68吨10 模式识别、语音识别

关键词：

特征提取；本地设计院；全球信息；本地信息；模式分类

软件：

KPCA加LDA
PDF格式BibTeX公司 XML格式引用
\textit{D.Zhang}等人，模式识别47，No.3，1433--1442（2014；Zbl 1326.68239）
全文： 内政部

参考文献：

[1] Murase，H。；Nayar，S.K.，《从外观视觉学习和识别三维物体》，国际计算机杂志。愿景，14，1，5-24（1995）
[2] 马丁内斯，A.M。；Kak，A.C.，PCA与LDA，IEEE Trans。模式分析。机器。智力。，23，第2期，228-233（2001）
[3] Belhumeur，P.N。；Hepanha，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)
[4] 吉，Sh.-W。；Ye，J.-P.，《广义线性判别分析：统一的框架和有效的模型选择》，IEEE Trans。神经网络，19，10，1768-1782（2008）
[5] 卢，J.-W。；Plataniotis，K。；Venetsanopoulos，A.，小样本量场景下线性判别分析的正则化研究及其在人脸识别中的应用，模式识别Lett。，26, 181-191 (2005)
[6] Ye，J。；Li，Q.，通过QR分解的两阶段线性判别分析，IEEE Trans。模式分析。机器。智力。，27, 6, 929-941 (2005)
[7] Howland，P。；Park，H.，使用广义奇异值分解的广义判别分析，IEEE Trans。模式分析。机器。智力。，1999年8月26日至2006年10月26日（2004年）
[8] Ye，J.-P.，零空间的计算和理论分析以及正交线性判别分析，J.Mach。学习。第7号决议，1183-1204（2006）·Zbl 1222.62082号
[10] 高奇。；Xu，H。；李毅。；Xie，D.，二维监督局部相似性和多样性投影，模式识别，43，10，3359-3363（2010）·Zbl 1209.68415号
[11] 侯，C。；张，C。；Wu，Y。；Jiao，Y.，稳定局部降维方法，模式识别，42，9，2054-2066（2009）·Zbl 1177.68171号
[12] Roweis，S.T。；Saul，L.K.，通过局部线性嵌入降低非线性维数，《科学》，290，5500，2323-2326（2000）
[13] Tenenbaum，J.B。；德席尔瓦，V。；Langford，J.C.，《非线性降维的全球几何框架》，《科学》，29055002319-2323（2000）
[14] 贝尔金，M。；Niyogi，P.，《嵌入和聚类的拉普拉斯特征映射和光谱技术》，《高级神经信息处理》。系统。，1, 585-592 (2002)
[15] 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 Trans。模式分析。机器。智力。，29, 1, 40-51 (2007)
[16] 何，X。；Niyogi，P.，局部保持投影，高级神经信息处理。系统。(2003)
[17] 何晓飞；严水成；胡玉霄；尼约吉，帕塔；张洪江，使用拉普拉斯人脸进行人脸识别，IEEE Trans。模式分析。机器智能。，27, 3, 328-340 (2005)
[18] 于伟（Yu，W.）。；滕，X。；Liu，C.，使用判别局部保持投影的人脸识别，图像视觉计算。，24, 239-248 (2006)
[19] 舒欣；高，姚；陆洪涛，人脸识别中基于局部保持的高效线性判别分析，模式识别，45，5，1892-1898（2012）·Zbl 1233.68203号
[20] 朱，L。；Zhu，S.，基于正交判别局部保持投影的人脸识别，神经计算，701543-1546（2007）
[21] 杨，J。；张，D。；杨，J。；Niu，B.，《全球最大化，局部最小化：无监督鉴别投影与面部和手掌生物特征应用》，IEEE Trans。模式分析。机器。智力。，29, 4, 650-664 (2007)
[22] 杨万口；孙昌银；张磊，图像特征提取的多流形判别分析方法，模式识别，44，第8期，1649-1657（2011）·Zbl 1218.68158号
[23] Wong，W.K。；赵洪涛，监督最优局部保持投影，模式识别，45,1186-197（2012）·Zbl 1225.68261号
[24] Yang，L。；龚·W。；顾，X。；李伟（Li，W.）。；Liang，Y.，用于人脸识别的零空间判别局部保持投影，神经计算，71，3644-3649（2008）
[25] Masashi，S.，通过本地fisher判别分析对多模态标记数据进行降维，J.Mach。学习。研究，81027-1061（2007）·Zbl 1222.68312号
[26] 闫翠，樊丽雅，一种新的监督降维算法：基于图的Fisher分析，模式识别，45，4，1471-1481（2012）·Zbl 1231.68196号
[27] 高全学；刘晶晶；张海军；侯骏；杨晓静，图像识别的增强fisher判别准则，模式识别，45，10，3717-3724（2012）
[28] Chen，L.-F。；Mark Liao，H.Y.（廖先生）。；Ko，M.T。；Lin，J.-Ch。；Yu，G.-J.，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，331713-1726（2000）
[29] 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，342067-2070（2001）·Zbl 0993.68091号
[30] 蔡，D。；何，X。；Han，J.，SRDA：大规模判别分析的有效算法，IEEE Trans。知识。数据工程，20，4，1-12（2008）
[31] 杨，J。；Yang，J.-Y.，为什么LDA可以在PCA变换空间中执行？，模式识别，36，563-566（2003）
[32] 蔡洪平。；Mikolajczyk，K。；Matas，J.，学习图像描述符降维的线性判别投影，IEEE Trans。模式分析。机器。智能。，33, 2, 338-352 (2011)
[33] 杨，J。；张，D。；Yang，J.-Y。；Niu，B.，《全球最大化，局部最小化：无监督鉴别投影与面部和手掌生物特征应用》，IEEE Trans。模式分析。机器。智力。，29, 4, 650-664 (2007)
[36] 杨健；Alejandro F.Frangi。；杨靖宇；David Zhang；Jin，Zhong，KPCA plus LDA：用于特征提取和识别的完整Kernel Fisher判别框架，IEEE Trans。模式分析。机器。智力。，27, 2, 230-244 (2005)
[37] 卢，J。；Plataniotis，K.N。；Venetsanopoulos，A.N.，《使用内核直接判别分析算法的人脸识别》，IEEE Trans。神经网络，14，1，117-126（2003）
[39] 马可·卢格（Marco Loog）；Duin，Robert P.W.，LDA的异方差扩展：切尔诺夫准则，IEEE Trans。模式分析。机器。智力。，26, 6, 732-739 (2004)
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。