融合局部结构和差异信息的监督特征提取算法

• 作者: 徐辉 李远征 谢德燕 高全学 高西全
• 来源期刊: 自动化学报
• 关键词: 特征提取 流形学习 局部离散度 差异离散度 人脸识别
• 年，卷（期）: 2010,（8）
• 页码范围: 1107-1114
• 页数: 8页
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2010.01107

摘要

针对监督局部保持投影(Supervised locality preserving projection,SLPP)存在过学习和不能较好地保持图像空间的差异信息等问题,造成算法性能不够好,提出了一种新的基于流形学习的监督特征提取方法(Supervised local structure and diversity projection,S-LSDP).S-LSDP从信息统计量角度引入差异信息,并给出度量差异信息大小的准则(差异离散度)及明确的物理含义;然后通过最小化局部离散度和最大化差异离散度准则提取投影方向.投影后的特征既能有效地保持图像之间的局部结构属性,又能较好地保持图像之间的差异信息,向且避免了过学习问题.在UMIST,Yale,PIE和AR数据库上的实验结果表明了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高西全		21	200	8.0	14.0
2	高全学		14	244	7.0	14.0
3	谢德燕		2	6	1.0	2.0
4	李远征		4	130	2.0	4.0
5	徐辉		1	0	0.0	0.0