浏览全部资源
扫码关注微信
1. 西安电子科技大学数学与统计学院
2. 西安石油大学理学院
3. 西安电子科技大学计算机学院
Published:2016
移动端阅览
[J]. 2016, (6): 54-60.
DOI:
[J]. 2016, (6): 54-60. DOI:
为解决鉴别稀疏邻域保持嵌入(DSNPE)算法中类间离散度构造复杂的问题
提出了一个新的维数约简算法即鉴别稀疏局部保持投影的人脸识别算法(DSLPP)。首先利用样本集中各类样本的平均向量构造字典
通过保持各类样本平均向量的稀疏重构关系
提出一个新的无参数类间离散度;再通过同时最大化类间离散度和同时最小化类内紧凑度的准则来寻找最优投影方向;最后采用最近邻分类器进行人脸分类识别。由于所采用的类间离散度最大限度地扩大了不同类别中样本之间的差异
因此DSLPP算法具有更强的类间判别力
其识别率得到了明显提高;此外
字典的简化构造降低了算法的计算复杂度。在Yale、UMIST和AR人脸库上的实验结果表明:DSLPP算法在Yale、UMIST库上的平均识别率及AR库上的最高识别率分别达83.38%、95.72%和83.71%
较其他传统方法的识别率有明显提高;在UMIST库上的实验结果表明
DSLPP算法较DSNPE算法的平均计算时间减少了81.7%。
陈思宝,许立仙,罗斌.基于多重核的稀疏表示分类[J].电子学报,2014(09).
杜春,孙即祥,周石琳,王亮亮,赵晶晶.基于稀疏表示和非参数判别分析的降维算法[J].国防科技大学学报,2013(02).
Jie Gui,Zhenan Sun,Wei Jia,Rongxiang Hu,Yingke Lei,Shuiwang Ji.Discriminant sparse neighborhood preserving embedding for face recognition[J].Pattern Recognition,2012(8).
Gui-Fu Lu,Zhong Jin,Jian Zou.Face recognition using discriminant sparsity neighborhood preserving embedding[J].Knowledge-Based Systems,2012.
Lishan Qiao,Songcan Chen,Xiaoyang Tan.Sparsity preserving projections with applications to face recognition[J].Pattern Recognition,2009(1).
Weiwei Yu,Xiaolong Teng,Chongqing Liu.Face recognition using discriminant locality preserving projections[J].Image and Vision Computing,2005(3).
Mikhail Belkin,Partha Niyogi.Laplacian Eigenmaps for Dimensionality Reduction and Data Representation[J].Neural Computation,2003.
0
Views
3
下载量
4
CSCD
Publicity Resources
Related Articles
Related Author
Related Institution