基于2D-KPCA的拉普拉斯特征映射人脸识别

发布时间：2018-10-13 13:14

【摘要】：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。
[Abstract]:In view of the deficiency that Laplace feature mapping (LE) can only preserve local nearest neighbor information and cannot be described at new test points, a Laplace feature mapping algorithm (2D-KPCA LE).) based on two-dimensional kernel principal component analysis (2D-KPCA LE).) is proposed. Different from the kernel two-dimensional principal component analysis (K2DPCA) algorithm, this algorithm firstly carries out two-dimensional principal component analysis (2DPCA) on the training sample space, and obtains the low-rank projection feature matrix by de-correlation while preserving the structure information of the sample space. Then the kernel principal component analysis (KPCA) is used to extract the global nonlinear features, and because the kernel function needs a lot of storage space, the Laplace feature mapping (LE) is used to reduce the dimension. The simulation results in ORL and FERET face database show that the Laplace feature mapping algorithm based on 2D-KPCA can not only deal with complex nonlinear features effectively, but also reduce the complexity of the algorithm and improve the recognition rate of manifold learning.
【作者单位】： 贵州大学数学系;贵州大学计算机科学系;
【基金】：国家自然科学基金资助项目(61262006,61540050) 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)
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 林和平;苏子义;曹志胜;;逻辑特征映射网络在教师考评工作中的应用研究[J];计算机工程与科学;2007年10期

2 韩文峰;王静茹;艾洪福;;逻辑特征映射网络在教学评价中的应用研究[J];东北师大学报(自然科学版);2009年03期

3 张亮;杜子平;张俊;李杨;;基于拉普拉斯特征映射的仿射传播聚类[J];计算机工程;2011年09期

4 沈海燕;李军伟;;基于STEP的特征映射器的研究[J];科学技术与工程;2008年11期

5 杨世锡,胡小平;面向对象的双向特征映射技术与实现[J];计算机集成制造系统-CIMS;1999年02期

6 宋玉银,褚秀萍,蔡复之;基于知识的特征映射方法及其应用研究[J];河北理工学院学报;1999年01期

7 李克天,何汉武,郑德涛,陈统坚;箱体零件特征映射及信息集成[J];制造业自动化;2001年01期

8 陈云富;李田田;;特征映射器的研究[J];科学技术与工程;2007年06期

9 方敬;肖扬;;医学超声波图像的边界保护滤波及特征映射补偿[J];北京交通大学学报;2004年02期

10 蒋全胜;贾民平;胡建中;许飞云;;基于拉普拉斯特征映射的故障模式识别方法[J];系统仿真学报;2008年20期

相关博士学位论文 前2条

1 窦万峰;并行工程环境下的多域特征映射研究[D];西安电子科技大学;1998年

2 李春书;产品数字化装配与CAD集成理论与技术研究[D];天津大学;2000年

相关硕士学位论文 前7条

1 罗军;基于拉普拉斯特征映射的旋转机械故障诊断方法研究[D];湖南科技大学;2015年

2 吴哲;基于特征映射的运动分析与识别[D];上海交通大学;2013年

3 潘荣英;关于拉普拉斯特征映射的一些想法[D];上海交通大学;2009年

4 傅雅琦;四维球面到球面间特征映射的构造[D];北京交通大学;2010年

5 翁时锋;自适应SOM特征映射研究[D];清华大学;2003年

6 尚素霞;球面间S~4→S~7间的二次特征映射的分类[D];北京交通大学;2011年

7 李维;基于特征映射并行估算方法的手机平板视窗工艺成本分析[D];上海交通大学;2008年

，

本文编号：2268754