计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
7期
1930-1934
,共5页
李峰%王正群%徐春林%周中侠%薛巍
李峰%王正群%徐春林%週中俠%薛巍
리봉%왕정군%서춘림%주중협%설외
马氏距离%局部边界Fisher分析%降维%人脸识别
馬氏距離%跼部邊界Fisher分析%降維%人臉識彆
마씨거리%국부변계Fisher분석%강유%인검식별
Mahalanobis distance%local Marginal Fisher Analysis (MFA)%dimensionality reduction%face recognition
针对人脸识别应用中的高维数据图像以及欧氏距离不能准确体现样本间的相似度的问题,提出了一种基于马氏距离的局部边界Fisher分析(MLMFA)降维算法.该算法从现有的样本中学习得到一个马氏度量,然后在近邻选择以及新样本降维过程中用马氏距离作为相似性度量.同时,通过马氏度量构造出类内“相似”图和类间“代价”图来描述数据集的类内紧凑性和类间分离性.MLMFA很好地保持了数据集的局部结构.用YALE和FERET人脸库进行实验,MLMFA的最大识别率比传统基于欧氏距离算法的最大识别率平均分别提高了1.03％和6％.实验结果表明,算法MLMFA具有很好的分类和识别性能.
針對人臉識彆應用中的高維數據圖像以及歐氏距離不能準確體現樣本間的相似度的問題,提齣瞭一種基于馬氏距離的跼部邊界Fisher分析(MLMFA)降維算法.該算法從現有的樣本中學習得到一箇馬氏度量,然後在近鄰選擇以及新樣本降維過程中用馬氏距離作為相似性度量.同時,通過馬氏度量構造齣類內“相似”圖和類間“代價”圖來描述數據集的類內緊湊性和類間分離性.MLMFA很好地保持瞭數據集的跼部結構.用YALE和FERET人臉庫進行實驗,MLMFA的最大識彆率比傳統基于歐氏距離算法的最大識彆率平均分彆提高瞭1.03％和6％.實驗結果錶明,算法MLMFA具有很好的分類和識彆性能.
침대인검식별응용중적고유수거도상이급구씨거리불능준학체현양본간적상사도적문제,제출료일충기우마씨거리적국부변계Fisher분석(MLMFA)강유산법.해산법종현유적양본중학습득도일개마씨도량,연후재근린선택이급신양본강유과정중용마씨거리작위상사성도량.동시,통과마씨도량구조출류내“상사”도화류간“대개”도래묘술수거집적류내긴주성화류간분리성.MLMFA흔호지보지료수거집적국부결구.용YALE화FERET인검고진행실험,MLMFA적최대식별솔비전통기우구씨거리산법적최대식별솔평균분별제고료1.03％화6％.실험결과표명,산법MLMFA구유흔호적분류화식별성능.
