计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2013年
11期
183-186,227
,共5页
主成分分析%脸识别%特征提取%二维主成份分析%Lp范数%ORL人脸库
主成分分析%臉識彆%特徵提取%二維主成份分析%Lp範數%ORL人臉庫
주성분분석%검식별%특정제취%이유주성빈분석%Lp범수%ORL인검고
主成分分析(PCA)是降维的一种经典方法.二维主成分分析(2DPCA)在特征抽取之前不需要将图像矩阵转化为向量形式,所以能快速地提取特征.但是基于L2范数的PCA和2DPCA在遇到异常值时的表现不稳定而且得到的向量通常不是稀疏的.提出了一种基于L1范数的且受Lp范数约束的2DPCA方法(2DPCA-Lp).当参数P接近1时,它可以得到稀疏的解.该方法既具有2DPCA的快速方便性,又是泛化的并且对异常值较不敏感.同时也证明该方法可以取得一个局部最大化的解.通过在ORL和UMIST人脸库上的实验表明了该方法的有效性.
主成分分析(PCA)是降維的一種經典方法.二維主成分分析(2DPCA)在特徵抽取之前不需要將圖像矩陣轉化為嚮量形式,所以能快速地提取特徵.但是基于L2範數的PCA和2DPCA在遇到異常值時的錶現不穩定而且得到的嚮量通常不是稀疏的.提齣瞭一種基于L1範數的且受Lp範數約束的2DPCA方法(2DPCA-Lp).噹參數P接近1時,它可以得到稀疏的解.該方法既具有2DPCA的快速方便性,又是汎化的併且對異常值較不敏感.同時也證明該方法可以取得一箇跼部最大化的解.通過在ORL和UMIST人臉庫上的實驗錶明瞭該方法的有效性.
주성분분석(PCA)시강유적일충경전방법.이유주성분분석(2DPCA)재특정추취지전불수요장도상구진전화위향량형식,소이능쾌속지제취특정.단시기우L2범수적PCA화2DPCA재우도이상치시적표현불은정이차득도적향량통상불시희소적.제출료일충기우L1범수적차수Lp범수약속적2DPCA방법(2DPCA-Lp).당삼수P접근1시,타가이득도희소적해.해방법기구유2DPCA적쾌속방편성,우시범화적병차대이상치교불민감.동시야증명해방법가이취득일개국부최대화적해.통과재ORL화UMIST인검고상적실험표명료해방법적유효성.
