计算机应用
計算機應用
계산궤응용
Journal of Computer Applications
2015年
8期
2244-2248
,共5页
林玉娥%陈静逸%许光宇%梁兴柱
林玉娥%陳靜逸%許光宇%樑興柱
림옥아%진정일%허광우%량흥주
无参数%局部结构%小样本问题%近邻%非近邻
無參數%跼部結構%小樣本問題%近鄰%非近鄰
무삼수%국부결구%소양본문제%근린%비근린
parameter-free%local structure%Small Size Sample (SSS) problem%local%non-local
无参数保持投影算法无需参数设置且识别性能稳定,但算法不能有效地保持样本的局部结构,且忽略了非局部样本所起的作用,而且存在着小样本(SSS)问题,为此提出了一种完备的无参数近邻保持及最大化非近邻算法.算法以样本间余弦距离0.5为分界点将样本分成近邻及非近邻样本,为了充分利用近邻样本及非近邻样本,分别构造了近邻散度矩阵及非近邻散度矩阵,因此算法的目标函数就是求取能够最小化近邻散度矩阵的同时,最大化非近邻散度矩阵的投影矩阵.对于目标函数的求解,可先将高维样本通过主成分分析(PCA)算法降至一个低维的子空间,并通过两个定理证明了这种处理方法没有损失任何有效的判别信息;然后将目标函数转换为差形式,从而有效地解决了小样本问题.在人脸库及掌纹库上的实验结果表明,与无参数局部保持投影算法相比,所提算法平均识别率更高,验证了算法的有效性.
無參數保持投影算法無需參數設置且識彆性能穩定,但算法不能有效地保持樣本的跼部結構,且忽略瞭非跼部樣本所起的作用,而且存在著小樣本(SSS)問題,為此提齣瞭一種完備的無參數近鄰保持及最大化非近鄰算法.算法以樣本間餘絃距離0.5為分界點將樣本分成近鄰及非近鄰樣本,為瞭充分利用近鄰樣本及非近鄰樣本,分彆構造瞭近鄰散度矩陣及非近鄰散度矩陣,因此算法的目標函數就是求取能夠最小化近鄰散度矩陣的同時,最大化非近鄰散度矩陣的投影矩陣.對于目標函數的求解,可先將高維樣本通過主成分分析(PCA)算法降至一箇低維的子空間,併通過兩箇定理證明瞭這種處理方法沒有損失任何有效的判彆信息;然後將目標函數轉換為差形式,從而有效地解決瞭小樣本問題.在人臉庫及掌紋庫上的實驗結果錶明,與無參數跼部保持投影算法相比,所提算法平均識彆率更高,驗證瞭算法的有效性.
무삼수보지투영산법무수삼수설치차식별성능은정,단산법불능유효지보지양본적국부결구,차홀략료비국부양본소기적작용,이차존재착소양본(SSS)문제,위차제출료일충완비적무삼수근린보지급최대화비근린산법.산법이양본간여현거리0.5위분계점장양본분성근린급비근린양본,위료충분이용근린양본급비근린양본,분별구조료근린산도구진급비근린산도구진,인차산법적목표함수취시구취능구최소화근린산도구진적동시,최대화비근린산도구진적투영구진.대우목표함수적구해,가선장고유양본통과주성분분석(PCA)산법강지일개저유적자공간,병통과량개정리증명료저충처리방법몰유손실임하유효적판별신식;연후장목표함수전환위차형식,종이유효지해결료소양본문제.재인검고급장문고상적실험결과표명,여무삼수국부보지투영산법상비,소제산법평균식별솔경고,험증료산법적유효성.
