南京邮电大学学报（自然科学版）
南京郵電大學學報（自然科學版）
남경유전대학학보（자연과학판）
JOURNAL OF NANJING UNIVERSITY OF POSTS AND TELECOMMUNICATIONS(NATURAL SCIENCE)
2013年
6期
1-7
,共7页
表情识别%特征提取%流形学习%统计不相关局部敏感鉴别分析%新生儿疼痛
錶情識彆%特徵提取%流形學習%統計不相關跼部敏感鑒彆分析%新生兒疼痛
표정식별%특정제취%류형학습%통계불상관국부민감감별분석%신생인동통
expression recognition%feature extraction%manifold learning%uncorrelated locality sensitive discriminant analysis%neonatal pain
针对新生儿疼痛表情识别中的特征提取问题,提出一种不相关局部敏感鉴别分析(Uncorrelated Locality Sensitive Discriminant Analysis,ULSDA)算法.首先,在局部敏感鉴别分析(LSDA)算法的基础上,通过附加投影向量正交性的约束条件,定义了ULSDA的目标函数;然后,推导出求解特征子空间正交投影向量的迭代公式;最后,将输入的高维图像数据投影到这个特征子空间,求出特征向量.ULSDA算法不仅继承了LSDA算法所具有的有监督、局部流形结构保持等特性,而且消除了LSDA算法所提取出的鉴别特征的相关性,从而增强了特征的鉴别能力,比LSDA算法具有更好的分类识别能力.在新生儿表情图像库上的疼痛表情识别实验结果表明,提出的ULSDA方法是有效可行的.当每类表情的训练样本图像为150幅时,采用ULSDA算法获得的平均识别率达到了82.07％,优于主成分分析(PCA)、线性鉴别分析(LDA)、局部敏感鉴别分析(LSDA)等特征提取方法.
針對新生兒疼痛錶情識彆中的特徵提取問題,提齣一種不相關跼部敏感鑒彆分析(Uncorrelated Locality Sensitive Discriminant Analysis,ULSDA)算法.首先,在跼部敏感鑒彆分析(LSDA)算法的基礎上,通過附加投影嚮量正交性的約束條件,定義瞭ULSDA的目標函數;然後,推導齣求解特徵子空間正交投影嚮量的迭代公式;最後,將輸入的高維圖像數據投影到這箇特徵子空間,求齣特徵嚮量.ULSDA算法不僅繼承瞭LSDA算法所具有的有鑑督、跼部流形結構保持等特性,而且消除瞭LSDA算法所提取齣的鑒彆特徵的相關性,從而增彊瞭特徵的鑒彆能力,比LSDA算法具有更好的分類識彆能力.在新生兒錶情圖像庫上的疼痛錶情識彆實驗結果錶明,提齣的ULSDA方法是有效可行的.噹每類錶情的訓練樣本圖像為150幅時,採用ULSDA算法穫得的平均識彆率達到瞭82.07％,優于主成分分析(PCA)、線性鑒彆分析(LDA)、跼部敏感鑒彆分析(LSDA)等特徵提取方法.
침대신생인동통표정식별중적특정제취문제,제출일충불상관국부민감감별분석(Uncorrelated Locality Sensitive Discriminant Analysis,ULSDA)산법.수선,재국부민감감별분석(LSDA)산법적기출상,통과부가투영향량정교성적약속조건,정의료ULSDA적목표함수;연후,추도출구해특정자공간정교투영향량적질대공식;최후,장수입적고유도상수거투영도저개특정자공간,구출특정향량.ULSDA산법불부계승료LSDA산법소구유적유감독、국부류형결구보지등특성,이차소제료LSDA산법소제취출적감별특정적상관성,종이증강료특정적감별능력,비LSDA산법구유경호적분류식별능력.재신생인표정도상고상적동통표정식별실험결과표명,제출적ULSDA방법시유효가행적.당매류표정적훈련양본도상위150폭시,채용ULSDA산법획득적평균식별솔체도료82.07％,우우주성분분석(PCA)、선성감별분석(LDA)、국부민감감별분석(LSDA)등특정제취방법.
