基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于UDP(Unsupervised Discriminant Projection)特征提取方法的研究,本文提出改进算法:基于正交化的UDP算法.正交化的UDP算法是基于样本的局部散度、非局部散度及正交化的条件建立准则函数.准则的目的是在满足共轭正交条件下,寻求一组投影轴使得投影后的样本特征的非局部散度最大,局部散度最小.通过在YALE库和AR库人脸库上进行实验,结果表明本文提出的正交化的UDP算法在识别率方面整体上要好于UDP算法.
推荐文章
基于无监督最佳鉴别平面的人脸识别
人脸识别
特征抽取
最佳鉴别平面
无监督模式
基于HOG—LBP特征提取的人脸识别研究
梯度方向直方图
局部二值模式
特征提取
人脸识别
利用粒子群优化的人脸特征提取识别算法
小渡变换
张量主成分分析
粒子群优化
人脸识别
基于统计不相关的无监督鉴别投影映射(UDP)特征提取方法
人脸识别
特征提取
流形学习
局部散度
非局部散度
统计不相关
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于正交化的无监督鉴别投影映射(UDP)特征提取的人脸识别方法
来源期刊 计算机与现代化 学科 工学
关键词 人脸识别 特征提取 流形学习 局部散度 非局部散度 正交化
年,卷(期) 2010,(9) 所属期刊栏目
研究方向 页码范围 16-20,26
页数 分类号 TP309
字数 3794字 语种 中文
DOI 10.3969/j.issn.1006-2475.2010.09.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李勇智 南京林业大学理学院 14 136 6.0 11.0
2 刘粉香 三江学院计算机基础教学部 9 15 2.0 3.0
3 吴松松 南京理工大学计算机系 2 9 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1936(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(2)
  • 参考文献(2)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
人脸识别
特征提取
流形学习
局部散度
非局部散度
正交化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机与现代化
月刊
1006-2475
36-1137/TP
大16开
南昌市井冈山大道1416号
44-121
1985
chi
出版文献量(篇)
9036
总下载数(次)
25
总被引数(次)
56782
论文1v1指导