陈静逸
- 作品数：3 被引量：0H指数：0
- 供职机构：安徽理工大学更多>>
- 相关领域：自动化与计算机技术更多>>
- 半监督特征提取算法及其在人脸识别应用中的研究
- 人脸识别的应用已经不再局限于安防、身份验证等领域，特别是近几年兴起的互联网金融、智慧城市等都为人脸识别等生物特征识别技术提供了巨大的潜在市场。人脸自动识别系统主要包括两大部分:检测定位部分与特征提取部分。特征提取作为人脸...
- 陈静逸
- 关键词：特征提取流形正则化人脸识别
- 正则化半监督判别分析方法
- 2015年
- 为了克服加权线性判别分析(WLDA)只利用有标签的训练样本而不能反映样本数据流形结构的缺点,提出一种正则化的半监督判别分析方法。首先构建所有样本的近邻图来估计数据的局部流形结构,然后将此作为正则项引入WLDA的准则函数中。该方法避免了类内散度矩阵奇异,同时保持了样本数据的判别结构和几何结构。在ORL和YALE人脸数据库上的实验结果证明了该算法的有效性。
- 陈静逸林玉娥
- 关键词：最大散度差
- 完备的无参数近邻保持及最大化非近邻算法
- 2015年
- 无参数保持投影算法无需参数设置且识别性能稳定,但算法不能有效地保持样本的局部结构,且忽略了非局部样本所起的作用,而且存在着小样本(SSS)问题,为此提出了一种完备的无参数近邻保持及最大化非近邻算法。算法以样本间余弦距离0.5为分界点将样本分成近邻及非近邻样本,为了充分利用近邻样本及非近邻样本,分别构造了近邻散度矩阵及非近邻散度矩阵,因此算法的目标函数就是求取能够最小化近邻散度矩阵的同时,最大化非近邻散度矩阵的投影矩阵。对于目标函数的求解,可先将高维样本通过主成分分析(PCA)算法降至一个低维的子空间,并通过两个定理证明了这种处理方法没有损失任何有效的判别信息;然后将目标函数转换为差形式,从而有效地解决了小样本问题。在人脸库及掌纹库上的实验结果表明,与无参数局部保持投影算法相比,所提算法平均识别率更高,验证了算法的有效性。
- 林玉娥陈静逸许光宇梁兴柱
- 关键词：小样本问题
