局部保持典型相關(guān)分析及其在人臉識別中的應(yīng)用.pdf

1、局部保持的典型相關(guān)分析(LPCCA)是一種能夠解決大量非線性問題的新型算法。它通過局部線性的方法達(dá)到解決非線性問題的目的，不但能保持各樣本集的局部結(jié)構(gòu)信息，而且能夠得到兩組樣本之間的最大化相關(guān)信息。本文將LPCCA應(yīng)用于人臉識別，討論其用于人臉識別的有效性，基于LPCCA的原理提出了一些改進(jìn)算法，旨在提高其用于人臉識別時(shí)的識別率。主要研究內(nèi)容如下： (1)LPCCA在人臉識別中的應(yīng)用。為了得到LPCCA和新提出的算法進(jìn)行特征融合

2、所需的樣本集，使用主成分分析和二維離散小波變換兩種方法對原圖像進(jìn)行特征抽取。通過人臉識別實(shí)驗(yàn)，討論了LPCCA在人臉識別應(yīng)用中的有效性，并分析了LPCCA算法的不足，提出了改進(jìn)的方向。 (2)改進(jìn)的局部保持典型相關(guān)分析。基于LPCCA的理論，通過引入類信息的方式，提出了改進(jìn)的局部保持典型相關(guān)分析(ILPCCA)。ILPCCA不但能夠保持類內(nèi)樣本之間的局部結(jié)構(gòu)信息，而且還能得到兩組樣本之間的最大化相關(guān)信息。人臉識別實(shí)驗(yàn)表明ILPC

3、CA具有較高的識別性能。 (3)改進(jìn)的局部判別型典型相關(guān)分析。基于判別型CCA(DCCA)和局部判別型CCA(LDCCA)的思想，并充分引入類別信息，提出了改進(jìn)的LDCCA(ILDCCA)。ILDCCA不但能夠保持類內(nèi)樣本之間的局部結(jié)構(gòu)信息，而且能實(shí)現(xiàn)同類樣本之間相關(guān)最大化，不同類樣本之間相關(guān)最小化。實(shí)驗(yàn)表明，ILDCCA具有較高的識別率和穩(wěn)定性。 (4)樣本近鄰參數(shù)的確定。與局部保持映射(LPP)和LPCCA等算法一樣