×

兹马思-数学第一资源

基于L1范数最大化和保局部投影的线性判别分析新算法。(英语) Zbl 1425.68360
概述:基于L2范数的线性判别分析(LDA)对异常值非常敏感,只获取样本点的全局结构信息。本文提出了一种新的基于LDA的特征提取算法,通过统一的L1范数优化框架综合全局和局部结构信息。与一般的基于L2范数的LDA算法不同,该算法明确地包含了样本点的局部结构信息,并且对异常值具有鲁棒性。它还克服了类内散射矩阵奇异性的问题。在几个常用数据集上的实验证明了该算法的有效性。
理学硕士:
68T05型 人工智能中的学习与自适应系统
68吨10 模式识别,语音识别
PDF格式 BibTeX公司 引用
全文: 内政部
参考文献:
[1] Belhumer PN,Hepanha JP,Kriegman DJ(1997)《特征面与鱼面:使用类特定线性投影的识别》。IEEE Trans-Pattern Anal Mach Intell 19(7):711-720
[2] Martinez AM,Kak AC(2001)PCA与LDA。IEEE Trans-Pattern Anal-Mach Intell 23(2):228-233
[3] 季世伟,叶建平(2008)广义线性判别分析:统一的框架和有效的模型选择。IEEE跨神经网络19(10):1768-1782
[4] Lu J-W,Plataniotis K,Venetsanopoulos A(2005)小样本情况下线性判别分析的正则化研究及其在人脸识别中的应用。图案识别26:181-191
[5] 叶杰,李Q(2005)基于QR分解的两阶段线性判别分析。IEEE Trans-Pattern Anal-Mach Intell 27(6):929-941
[6] Howland P,Park H(2004)使用广义奇异值分解的广义判别分析。IEEE Trans-Pattern Anal-Mach Intell 26(8):995-1006
[7] 叶建平(2006)零空间计算与理论分析与正交线性判别分析。机械学习杂志7:1183-1204·Zbl 1222.62082
[8] 陈立夫,廖海燕,柯MT,林建川,余国杰(2000)一种新的基于LDA的小样本人脸识别系统。图案识别33:1713-1726
[九] 于浩,杨杰(2001)高维数据的直接LDA算法及其在人脸识别中的应用。图案识别34:2067-2070·Zbl 0993.68091
[10] Cai D,He X,Han J(2008)SRDA:大规模判别分析的一种有效算法。IEEE Trans Knowl数据工程20(4):1-12
[11] Yang J,Yang J-Y(2003)为什么可以在PCA变换空间中执行LDA?图案识别36:563-566
[12] 侯丙,张聪,吴勇,焦勇(2009)稳定的局部降维方法。图案识别42(9):2054-2066·Zbl 1177.68171
[13] 高Q,徐浩,李云,谢德明(2010)二维监督局部相似性与多样性投影。图案识别43(10):3359-3363·Zbl 1209.68415
[14] 高Q,刘杰,张浩,侯杰,杨X(2012)增强型fisher判别准则在图像识别中的应用。图案识别45(10):3717-3724
[15] 张德,何杰,赵勇,罗志明(2014)全球加局部:特征提取与识别的完整框架。图案识别47(3):1433-1442·Zbl 1326.68239
[16] Black MJ,Rangarajan A(1996)关于线过程的统一、异常值剔除和鲁棒统计及其在早期视觉中的应用。国际计算机学报19(1):57-91
[17] 彭勇,李旭,袁勇(2010)L1范数下的稳健张量分析。IEEE Trans Circuits System视频技术20(2):172-178
[18] 王浩,唐Q,郑伟(2012)基于L1范数的共同空间模式。IEEE Trans-Biomed工程59(3):653-662
[19] Ke Q,Kanade T(2003)使用L1范数的鲁棒子空间计算。匹兹堡卡内基梅隆大学,技术报告,CMU-CS-03-172
[20] 2005年kanat-de-Q凸因式分解(L1)和kanat-de-Q中缺失数据的存在性。在:IEEE国际会议论文集计算机视觉模式识别,第739-746页
[21] 丁川,周德,何X,查H(2006)R1-PCA:鲁棒子空间分解的旋转不变L1范数主成分分析。国际机器学习会议论文集,第281-288页
[22] Kwak N(2008)基于L1范数最大化的主成分分析。IEEE Trans-Pattern Anal-Mach Intell 30(9):672-1680
[23] 李小莉,庞玉云,袁Y(2009)L1基于常模的2DPCA。IEEE Trans Syst Man Cybern B Cybern 40(4):1170-1175
[24] 李X,华华W,王宏,张Z(2010)基于旋转不变L1范数的线性判别分析。神经计算73(13-15):2571-2579
[25] 周芙,张杰(2013)基于L1范数最大化的线性判别分析。IEEE传输图像处理22(8):3018-3027·Zbl 1373.94755
[26] Roweis ST,Saul LK(2000)局部线性嵌入的非线性降维。科学290(5500):2323-2326
[27] Tenenbaum JB,de Silva V,Langford JC(2000),非线性降维的全球几何框架。科学290(5500):2319-2323
[28] Belkin M,Niyogi P(2002)用于嵌入和聚类的拉普拉斯特征映射和光谱技术。Adv神经信息处理系统1:585-592
[29] 阎S,徐丁,张B,张H,杨Q,林S(2007),“图嵌入与扩展:维数降维的一般框架”。IEEE Trans-Pattern Anal Mach Intell国际电气与电子工程师协会Trans Pattern Anal Mach Intell 29(1):40-51
[30] Cai H-P,Mikolajczyk K,Matas J(2011),用于图像描述符降维的线性判别投影学习。IEEE Trans-Pattern Anal Mach Intell 33(2):338-352
[31] 崔Y,Fan L(2012)一种新的监督降维算法:基于图的Fisher分析。图案识别45(4):1471-1481·Zbl 1231.68196
[32] He X,Niyogi P(2004)局部保留投影。Adv神经信息处理系统16:153-160
[33] Shu X,Gao Y,Lu H(2012)人脸识别中保持局部性的有效线性判别分析。图案识别45(5):1892-1898·Zbl 1233.68203
[34] Masashi S(2007)基于局部fisher判别分析的多模态标记数据的维数缩减。机械学习杂志8:1027-1061·Zbl 1222.68312
[35] 王恩,陶德,高X,刘伟,李杰(2013)传导性人脸素描照片合成。IEEE跨神经网络学习系统24(9):1364-1376
[36] Yang J,Zhang D,Yang J-Y,Niu B(2007),全局最大化,局部最小化:无监督判别投影在人脸和手掌生物特征识别中的应用。IEEE Trans-Pattern Anal-Mach Intell 29(4):650-664
[37] Loog M,Duin-RPW(2004),LDA的异方差扩张:Chernoff准则。IEEE Trans-Pattern Anal-Mach Intell 26(6):732-739
[38] Li X,Hao Z,Huang H(2010)一种基于排序竞争机制的全局优化进化算法。国际机器学习与计算会议论文集(ICMLC 2010),第3卷,1550-1555页
[39] Frank A,亚松森A(2010年)。UCI机器学习库。http://archive.ics.uci.edu/ml
[40] Yang J,Frangi AF,Yang J,Zhang D,Jin Z(2005)KPCA plus LDA:一个用于特征提取和识别的完整核Fisher判别框架。IEEE Trans-Pattern Anal Mach Intell电气与电子工程师协会27(2):230-244
[41] 吕J,Plataniotis KN,Venetsanopoulos AN(2003),使用核直接判别分析算法的人脸识别。IEEE跨神经网络14(1):117-126
[42] ORL人脸数据库。AT&T(奥利维蒂)研究实验室,英国剑桥。http://www.uk.research.att.com/facedatabasetml
[43] http://vision.ucsd.edu/leekc/ExtYaleDatabase/Yale%20Face%20Database.htm
[44] Tsai JT,Liu TK,Chou JH(2004)全局数值优化的混合田口遗传算法。IEEE Trans-Evol计算机8(4):365-377
[45] 梁永文,王永平(2001)一种用于全局数值优化的量化正交遗传算法。IEEE Trans-Evol计算机5(1):41-53
[46] Jenaton R,Obozinski G,Bach F(2010)结构化稀疏主成分分析。国际人工智能统计会议论文集,第1-8页
[47] 钟飞,张杰,李德(2014)基于L1范数最大化的判别式局部保持投影。IEEE跨神经网络学习系统25(11):2065-2074
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。