基于正交稀疏保留投影的特征提取與識(shí)別算法研究.pdf

1、對于一個(gè)數(shù)據(jù)集，數(shù)據(jù)間的稀疏重構(gòu)關(guān)系具有很好的分類信息。稀疏保留投影（SPP）正是基于這樣的考慮所提出的一種特征提取方法，它的目標(biāo)是獲取一組線性的投影變換空間，使得樣本之間這種全局稀疏重構(gòu)關(guān)系得以保留。
　　然而，稀疏保留投影得到的投影空間通常并不是正交的，而正交變換一直以來被認(rèn)為是提高鑒別能力的很有用的手段。因此，本文提出了正交的稀疏保留投影及兩種實(shí)現(xiàn)的算法以獲得正交的投影變換空間，第一種是整體正交稀疏保留投影（HOSPP），第

2、二種是迭代正交稀疏保留投影（IOSPP）。整體正交稀疏保留投影方法通過替換正交約束直接計(jì)算出正交投影空間，而迭代正交稀疏保留投影則是在保留原有約束的情況下，通過迭代的方式一一求出正交投影向量。
　　整體正交稀疏保留投影（HOSPP）和迭代正交稀疏保留投影（IOSPP）主要關(guān)注的是樣本間的全局稀疏重構(gòu)關(guān)系。然而實(shí)際應(yīng)用中，圖像數(shù)據(jù)往往處于一種高維空間的低維流形結(jié)構(gòu)中。進(jìn)而，我們在目標(biāo)函數(shù)中引入了近鄰結(jié)構(gòu)圖，使得求得的投影變換在最好的

3、保留稀疏重構(gòu)關(guān)系的同時(shí)也可以很好的保留樣本的空間流形結(jié)構(gòu)。類似的，該方法也分為基于流形學(xué)習(xí)的整體正交稀疏保留投影（MLHOSPP）和基于流形學(xué)習(xí)的迭代正交稀疏保留投影(MLIOSPP)。
　　上述兩種方法本質(zhì)上是無監(jiān)督的算法，有監(jiān)督的子空間算法可以更好的利用標(biāo)記信息獲得更加有效的鑒別特征，從而提高識(shí)別率。因此，我們提出了基于流形學(xué)習(xí)的整體正交稀疏保留鑒別分析（MLHOSDA）和基于流形學(xué)習(xí)的迭代正交稀疏保留鑒別分析（MLIOSDA

4、）。該算法利用有類標(biāo)記的樣本直接修正構(gòu)建的稀疏重構(gòu)圖和鄰接圖，在原方法中自然的融入監(jiān)督信息。進(jìn)而我們又提出了一種復(fù)數(shù)融合的方式在近鄰結(jié)構(gòu)圖中將角度距離和歐式距離進(jìn)行融合來構(gòu)造近鄰結(jié)構(gòu)圖，命名為基于復(fù)數(shù)局部保留的整體正交稀疏保留鑒別分析（CLPHOSDA）基于復(fù)數(shù)迭代保留的整體正交稀疏保留鑒別分析（CLPIOSDA）。
　　在實(shí)驗(yàn)部分，我們在三個(gè)數(shù)據(jù)庫，即Yale人臉數(shù)據(jù)庫，CAS-PEAL人臉數(shù)據(jù)庫和PolyU掌紋數(shù)據(jù)庫上將提出的