-
题名基于2D-KPCA的拉普拉斯特征映射人脸识别
被引量：9
- 1
-
-
作者
徐梦珂
许道云
魏明俊
-
机构
贵州大学数学系
贵州大学计算机科学系
-
出处
《计算机应用研究》
CSCD
北大核心
2017年第7期2212-2215,2220,共5页
-
基金
国家自然科学基金资助项目(61262006
61540050)
+1 种基金
贵州省重大应用基础研究项目(黔科合JZ字[2014]2001)
贵州省科技厅联合基金资助项目(黔科合LH字[2014]7636号)
-
文摘
针对拉普拉斯特征映射(LE)只能保持局部近邻信息,对新测试点无法描述的不足,提出一种基于二维核主成分分析的拉普拉斯特征映射算法(2D-KPCA+LE)。与核二维主成分分析算法(K2DPCA)不同,该算法首先对训练样本空间进行二维主成分分析(2DPCA),在保留样本空间结构信息的同时通过去相关性得到低秩的投影特征矩阵;然后用核主成分分析法(KPCA)提取全局非线性特征;由于其核函数需要大量存储空间,再用拉普拉斯特征映射(LE)进行降维。在ORL和FERET人脸数据库中的仿真实验结果表明,基于2D-KPCA的拉普拉斯特征映射算法不但可以有效处理复杂的非线性特征,还可以降低算法复杂度,提高流形学习的识别率。
-
关键词
二维主成分分析
核主成分分析
拉普拉斯特征映射
人脸识别
-
Keywords
two-dimensional principal component analysis
kernel principal component analysis
laplacial eigenmaps
face recognition
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
