期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于马氏距离的局部边界Fisher分析降维算法 被引量：5
1
作者 李峰 王正群 +2 位作者 徐春林 周中侠 薛巍 《计算机应用》 CSCD 北大核心 2013年第7期1930-1934,共5页
针对人脸识别应用中的高维数据图像以及欧氏距离不能准确体现样本间的相似度的问题,提出了一种基于马氏距离的局部边界Fisher分析(MLMFA)降维算法。该算法从现有的样本中学习得到一个马氏度量,然后在近邻选择以及新样本降维过程中用马... 针对人脸识别应用中的高维数据图像以及欧氏距离不能准确体现样本间的相似度的问题,提出了一种基于马氏距离的局部边界Fisher分析(MLMFA)降维算法。该算法从现有的样本中学习得到一个马氏度量,然后在近邻选择以及新样本降维过程中用马氏距离作为相似性度量。同时,通过马氏度量构造出类内"相似"图和类间"代价"图来描述数据集的类内紧凑性和类间分离性。MLMFA很好地保持了数据集的局部结构。用YALE和FERET人脸库进行实验,MLMFA的最大识别率比传统基于欧氏距离算法的最大识别率平均分别提高了1.03%和6%。实验结果表明,算法MLMFA具有很好的分类和识别性能。 展开更多
关键词 马氏距离 局部边界Fisher分析 降维 人脸识别
下载PDF
线性局部切空间排列的传播半监督学习方法 被引量：2
2
作者 薛巍 王正群 +2 位作者 徐春林 李峰 周中侠 《计算机应用研究》 CSCD 北大核心 2014年第8期2334-2337,共4页
针对人脸识别应用中的线性局部切空间排列算法(LLTSA)不能有效利用样本标签信息的问题,提出了一种线性局部切空间排列的标签传播半监督算法(SSLLTSA)。该算法利用标签传播的方法从带有部分标签的样本数据中得到软标签,然后利用软标签构... 针对人脸识别应用中的线性局部切空间排列算法(LLTSA)不能有效利用样本标签信息的问题,提出了一种线性局部切空间排列的标签传播半监督算法(SSLLTSA)。该算法利用标签传播的方法从带有部分标签的样本数据中得到软标签,然后利用软标签构造出软标签散度矩阵来描述数据集的类内紧凑性和类间分离性。SSLLTSA很好地保持了数据集的局部结构,有效地利用了样本中的标签信息。利用YALE和ORL人脸库进行实验,SSLLTSA比传统算法LLTSA的识别率平均分别提高了3.50%和3.89%。特别地,在只存有少量标签样本的情况下,该算法仍能保持良好的分类性能。 展开更多
关键词 半监督学习 标签传播 软标签 切空间 局部结构 人脸识别
下载PDF
基于RSM的判别分析集成方法
3
作者 周中侠 王正群 +2 位作者 徐春林 李峰 薛巍 《计算机工程与设计》 CSCD 北大核心 2013年第12期4247-4251,共5页
针对非监督鉴别投影(UDP)算法分类能力弱和性能不稳定问题,提出了一种基于RSM(random subspace method)的判别分析方法集成(DAC_EL)。该方法对训练样本的特征向量空间进行随机采样,得到多个UDP投影变换,因此获得多个既有差异又互补的投... 针对非监督鉴别投影(UDP)算法分类能力弱和性能不稳定问题,提出了一种基于RSM(random subspace method)的判别分析方法集成(DAC_EL)。该方法对训练样本的特征向量空间进行随机采样,得到多个UDP投影变换,因此获得多个既有差异又互补的投影子空间。由测试样本测试集成各基分类器分类精度,分类精度作为基分类器集成权重。基分类器分类结果线性权重集成给出集成分类器的输出结果。在ORL和YALE人脸图像库上实验结果表明,DAC_EL方法性能明显优于UDP方法和基于多数投票法的UDP集成方法,能够提高人脸识别的分类能力和稳定性。 展开更多
关键词 随机子空间方法 非监督鉴别投影 集成学习 子空间 人脸识别
下载PDF
基于Bagging的LDA集成算法及其在人脸识别中的应用
4
作者 周中侠 王正群 +2 位作者 徐春林 李峰 薛巍 《扬州大学学报（自然科学版）》 CAS 北大核心 2015年第1期41-44,共4页
针对线性判别分析(linear discriminant analysis,LDA)在处理人脸图像时对局部变化识别不稳定性的问题,提出一种基于Bagging的LDA人脸识别方法 Bagging LDA.首先将人脸图像集划分成若干子图像集,然后将Bagging应用于每个子图像集并融合... 针对线性判别分析(linear discriminant analysis,LDA)在处理人脸图像时对局部变化识别不稳定性的问题,提出一种基于Bagging的LDA人脸识别方法 Bagging LDA.首先将人脸图像集划分成若干子图像集,然后将Bagging应用于每个子图像集并融合初始图像集构建多个LDA分类器,选择其中一个分类性能最好的分类器作为集成基分类器,最后使用权重投票的方法将各个基分类器的分类结果进行组合.仿真结果表明,Bagging LDA算法识别性能好,精度较高,在图像遮挡、表情变化等条件下仍具有较强的稳定性. 展开更多
关键词 人脸识别 集成学习 线性判别分析 BAGGING算法
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部