计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
18期
167-169,173
,共4页
局部特征%非局部特征%独立分量分析%无监督投影鉴别%特征抽取%人脸识别
跼部特徵%非跼部特徵%獨立分量分析%無鑑督投影鑒彆%特徵抽取%人臉識彆
국부특정%비국부특정%독립분량분석%무감독투영감별%특정추취%인검식별
增强的独立分量分析(EICA)是一种基于样本整体特征的无监督特征抽取方法,并没有考虑样本的局部特征,因此EICA不利于处理人脸识别这类非线性问题的.无监督鉴别投影技术(UDP)用于高维数据压缩,其基本思想是寻找一组有效的投影方向,使得样本投影后,局部散度最小同时非局部散度最大.UDP同时考虑到样本的局部特征和非局部特征,能够反映样本内在的数据关系,因此UDP能够对样本有效地分类.提出了一种增强的无监督人脸鉴别技术,该方法结合了EICA和UDP的优点,能够:(1)反映样本高阶统计特征;(2)发掘样本内在的几何结构,从而有利于分类.在Yale人脸库和FERET人脸库上的实验验证了该算法的有效性.
增彊的獨立分量分析(EICA)是一種基于樣本整體特徵的無鑑督特徵抽取方法,併沒有攷慮樣本的跼部特徵,因此EICA不利于處理人臉識彆這類非線性問題的.無鑑督鑒彆投影技術(UDP)用于高維數據壓縮,其基本思想是尋找一組有效的投影方嚮,使得樣本投影後,跼部散度最小同時非跼部散度最大.UDP同時攷慮到樣本的跼部特徵和非跼部特徵,能夠反映樣本內在的數據關繫,因此UDP能夠對樣本有效地分類.提齣瞭一種增彊的無鑑督人臉鑒彆技術,該方法結閤瞭EICA和UDP的優點,能夠:(1)反映樣本高階統計特徵;(2)髮掘樣本內在的幾何結構,從而有利于分類.在Yale人臉庫和FERET人臉庫上的實驗驗證瞭該算法的有效性.
증강적독립분량분석(EICA)시일충기우양본정체특정적무감독특정추취방법,병몰유고필양본적국부특정,인차EICA불리우처리인검식별저류비선성문제적.무감독감별투영기술(UDP)용우고유수거압축,기기본사상시심조일조유효적투영방향,사득양본투영후,국부산도최소동시비국부산도최대.UDP동시고필도양본적국부특정화비국부특정,능구반영양본내재적수거관계,인차UDP능구대양본유효지분류.제출료일충증강적무감독인검감별기술,해방법결합료EICA화UDP적우점,능구:(1)반영양본고계통계특정;(2)발굴양본내재적궤하결구,종이유리우분류.재Yale인검고화FERET인검고상적실험험증료해산법적유효성.