基于流形學習和稀疏保留投影的人臉識別方法研究.pdf_第1頁
已閱讀1頁,還剩67頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、人臉識別是目前模式識別中研究的熱點,廣泛應用于智能監(jiān)控、公共安防、人機交互等領域。近幾年,稀疏表示技術被應用于人臉識別中并取得了良好的分類效果。稀疏保留投影(SPP)是在稀疏表示的基礎上發(fā)展起來的一種有效的人臉識別方法。稀疏保留投影的目標是找到一個能保持樣本全局稀疏重構關系的低維空間,然而稀疏保留投影考慮的是樣本的全局重構關系,在實際中,樣本往往處于高維空間的流形結構中。因此,本文將稀疏保留投影與流形學習方法結合,做出以下工作:

2、  首先,本文提出基于流形學習的統(tǒng)計不相關稀疏保留投影方法(MLUSPP)。該方法的思想是將稀疏保留投影與流形學習的方法結合,使投影后的低維數(shù)據(jù)在保留稀疏重構關系的同時也保留了樣本的流形結構,同時,考慮到鑒別特征的冗余信息,本文引入不相關約束條件,去除冗余信息。
  其次,基于流形學習的統(tǒng)計不相關稀疏保留投影(MLUSPP)是一種無監(jiān)督的學習方法,有監(jiān)督的學習方法能夠利用樣本的類別信息提高識別性能。因此,本文將MLUSPP引入到有

3、監(jiān)督的學習框架下,提出了基于流形學習的統(tǒng)計不相關稀疏保留鑒別分析(MLUSDA)。該方法的思路是將樣本的類別信息引入到流形學習中的近鄰結構圖的構造中,在保留稀疏重構關系的同時進一步增強保持流形結構的保持能力,改善識別性能。
  最后,當樣本在原空間線性不可分時,為了進一步增強MLUSPP和MLUSDA的分類能力,我們將MLUSPP和MLUSDA進行核擴展,提出了基于流形學習的核統(tǒng)計不相關稀疏保留投影(MLKUSPP)和基于流形學習

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論