计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2014年
4期
273-279,301
,共8页
袁暋%杨瑞国%原媛%雷迎科
袁暋%楊瑞國%原媛%雷迎科
원민%양서국%원원%뢰영과
特征提取%子空间学习%局部样条嵌入%最大边缘准则%流形学习
特徵提取%子空間學習%跼部樣條嵌入%最大邊緣準則%流形學習
특정제취%자공간학습%국부양조감입%최대변연준칙%류형학습
Feature extraction%Subspace learning%Local spline embedding%Maximum margin criterion%Manifold learning
在深入研究局部样条嵌入算法(LSE)的基础上,引入明确的线性映射关系,构建平移缩放模型和正交化特征子空间,提出了一种正交局部样条判别投影算法(OLSDP),有效解决了原始LSE算法存在的两个主要问题:样本外点学习问题和无监督模式学习问题.该算法能够应用于模式分类问题并显著改善算法的分类识别能力.在标准人脸数据库上进行的实验比较分析验证了该算法的有效性与可行性.
在深入研究跼部樣條嵌入算法(LSE)的基礎上,引入明確的線性映射關繫,構建平移縮放模型和正交化特徵子空間,提齣瞭一種正交跼部樣條判彆投影算法(OLSDP),有效解決瞭原始LSE算法存在的兩箇主要問題:樣本外點學習問題和無鑑督模式學習問題.該算法能夠應用于模式分類問題併顯著改善算法的分類識彆能力.在標準人臉數據庫上進行的實驗比較分析驗證瞭該算法的有效性與可行性.
재심입연구국부양조감입산법(LSE)적기출상,인입명학적선성영사관계,구건평이축방모형화정교화특정자공간,제출료일충정교국부양조판별투영산법(OLSDP),유효해결료원시LSE산법존재적량개주요문제:양본외점학습문제화무감독모식학습문제.해산법능구응용우모식분류문제병현저개선산법적분류식별능력.재표준인검수거고상진행적실험비교분석험증료해산법적유효성여가행성.