稀疏流形建模及其在人臉識(shí)別中的應(yīng)用.pdf

1、近年來(lái)，流形學(xué)習(xí)用于人臉識(shí)別引起了廣泛關(guān)注，有研究表明，人臉很有可能是位于一個(gè)非線性的流形上，這提示我們可以將原始數(shù)據(jù)集對(duì)應(yīng)的高維空間的流形映射至低維空間的流形，通過(guò)尋找人臉訓(xùn)練集內(nèi)在的代表性變量，根據(jù)這些變量即可將不同人的圖像區(qū)別開(kāi)來(lái)。很多基于流形學(xué)習(xí)方法已經(jīng)被提出來(lái)，本文的主要工作包括以下幾個(gè)部分：
　　 1.簡(jiǎn)要綜述了當(dāng)前流形學(xué)習(xí)的發(fā)展概況，介紹了幾種經(jīng)典的流形算法，包括等距流形映射（ISOMAP）、局部線性嵌入（LLE）

2、以及它的變換形式：海賽局部線性嵌入（HLLE）和局部切空間排列（LTSA）等；總結(jié)概括了當(dāng)前流形算法的框架：流形學(xué)習(xí)方法可以分為全局（如ISOMAP）和局部方法（如LLE，HLLE，LTSA等），從另一方面也可分為線性和非線性；分析了現(xiàn)在主要的流形學(xué)習(xí)方法，主要從時(shí)間復(fù)雜度、對(duì)合適的數(shù)據(jù)集的要求以及對(duì)噪聲的魯棒性等方面總結(jié)和比較了它們的不足和優(yōu)點(diǎn)。
　　 2.在深入研究LLE的基礎(chǔ)上提出了稀疏局部線性嵌入算法（SLLE），同時(shí)提

3、出了SLLE相應(yīng)的學(xué)習(xí)高維的新樣本的算法。LLE是流形學(xué)習(xí)方面的經(jīng)典算法，參數(shù)少、計(jì)算快、易求全局最優(yōu)解，但是LLE遇到的第一個(gè)問(wèn)題便是鄰域的求取，這一步關(guān)系到最后嵌入結(jié)果的質(zhì)量，LLE對(duì)于噪聲亦非常敏感，缺乏對(duì)新樣本的學(xué)習(xí)能力，在人臉識(shí)別方面的識(shí)別率很低，SLL便是針對(duì)上述缺點(diǎn)提出來(lái)的。該算法能夠自適應(yīng)選取樣本的鄰域，在野值存在的情況下有很強(qiáng)的魯棒性，通過(guò)在兩個(gè)標(biāo)準(zhǔn)人臉庫(kù)AR和ORL上的識(shí)別實(shí)驗(yàn)表明SLLE在人臉識(shí)別方面遠(yuǎn)遠(yuǎn)優(yōu)于LLE