控制工程
控製工程
공제공정
CONTROL ENGINEERING OF CHINA
2014年
3期
459-462
,共4页
刘美菊%许帅宏%龚志恒%刘剑%高恩阳
劉美菊%許帥宏%龔誌恆%劉劍%高恩暘
류미국%허수굉%공지항%류검%고은양
性别识别%非线性流形%几何结构%判别结构%高维非线性空间
性彆識彆%非線性流形%幾何結構%判彆結構%高維非線性空間
성별식별%비선성류형%궤하결구%판별결구%고유비선성공간
gender recognition%nonlinear manifold%geometry structure%discriminant structure%nonlinear high-dimensional space
在高维非线性空间中,如何更有效地提取人脸图像的主要特征,以及如何更有效地区分不同的性别类别,已经成为性别识别中广泛关注的问题.针对这一问题,提出一种非线性流形上的性别识别算法.该算法不但能有效提取高维空间中数据点的主要特征,并且能充分挖掘出数据流形间的几何结构和判别结构,从而使不同性别之间达到最优化分类.通过ORL和Yale两个人脸数据集实验,并与PCA(Principal Components Analysis)+LDA(Linear Discriminant Analysis),PCA+ SVM(Support Vector Machine),KPCA+ LDA,KPCA+ SVM 4种常用的性别识别算法进行比较.实验结果显示:所提出的算法与其他传统算法相比具有更高的识别率,且有一定的鲁棒性和较高的运行效率.
在高維非線性空間中,如何更有效地提取人臉圖像的主要特徵,以及如何更有效地區分不同的性彆類彆,已經成為性彆識彆中廣汎關註的問題.針對這一問題,提齣一種非線性流形上的性彆識彆算法.該算法不但能有效提取高維空間中數據點的主要特徵,併且能充分挖掘齣數據流形間的幾何結構和判彆結構,從而使不同性彆之間達到最優化分類.通過ORL和Yale兩箇人臉數據集實驗,併與PCA(Principal Components Analysis)+LDA(Linear Discriminant Analysis),PCA+ SVM(Support Vector Machine),KPCA+ LDA,KPCA+ SVM 4種常用的性彆識彆算法進行比較.實驗結果顯示:所提齣的算法與其他傳統算法相比具有更高的識彆率,且有一定的魯棒性和較高的運行效率.
재고유비선성공간중,여하경유효지제취인검도상적주요특정,이급여하경유효지구분불동적성별유별,이경성위성별식별중엄범관주적문제.침대저일문제,제출일충비선성류형상적성별식별산법.해산법불단능유효제취고유공간중수거점적주요특정,병차능충분알굴출수거류형간적궤하결구화판별결구,종이사불동성별지간체도최우화분류.통과ORL화Yale량개인검수거집실험,병여PCA(Principal Components Analysis)+LDA(Linear Discriminant Analysis),PCA+ SVM(Support Vector Machine),KPCA+ LDA,KPCA+ SVM 4충상용적성별식별산법진행비교.실험결과현시:소제출적산법여기타전통산법상비구유경고적식별솔,차유일정적로봉성화교고적운행효솔.
