原文服务方: 计算机应用研究       
摘要:
最佳鉴别平面作为一种重要的特征抽取方法,在人脸特征降维中具有重要的影响.然而,传统的最佳鉴别平面是基于Fisher准则的,只能用于有监督模式.为此,提出了一种将最佳鉴别平面扩展到无监督模式下的方法,其基本思想是以投影空间中模糊类间离散度和模糊类内离散度的比值最大为优化目标,计算出无监督模式下最佳鉴别矢量及模糊离散度矩阵,进而获得一种新的基于无监督最佳鉴别平面的特征抽取方法.较之同属于无监督特征抽取的主成分分析,该方法更容易获得有利于分类的特征.对CMU-PIE人脸数据库进行实验,结果表明,样本类别信息缺失的情况下,该方法尽管无法具有与有监督模式下的最佳鉴别平面特征抽取方法同样的性能,但当不同类之间差异较大时,将优于主成分分析方法.
推荐文章
基于SLBP深度信念网络的人脸识别研究
显著局部二值模式
特征提取
深度信念网络
网络训练
深度学习
人脸识别
基于划分的有监督局部切空间排列的人脸识别
局部切空间排列法
有监督的K-均值聚类算法
动态粒子群算法
流形学习
人脸识别
基于Adaboost与SOFMN的人脸识别
自组织特征映射
人脸识别
Adaboost算法
Kohonen算法
图像小波分析
基于距离限定优化的人脸识别
人脸识别
特征提取
局部二值模式
二元误差函数
残差神经网络
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 基于无监督最佳鉴别平面的人脸识别
来源期刊 计算机应用研究 学科
关键词 人脸识别 特征抽取 最佳鉴别平面 无监督模式
年,卷(期) 2010,(6) 所属期刊栏目 图形图像技术
研究方向 页码范围 2352-2355
页数 分类号 TP181
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2010.06.102
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 王士同 江南大学信息学院 528 3424 23.0 37.0
2 王骏 江南大学信息学院 49 553 8.0 23.0
4 曹苏群 江南大学信息学院 12 77 5.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (12)
参考文献  (15)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1970(3)
  • 参考文献(1)
  • 二级参考文献(2)
1971(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(4)
  • 参考文献(1)
  • 二级参考文献(3)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1987(2)
  • 参考文献(1)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(4)
  • 参考文献(0)
  • 二级参考文献(4)
1992(4)
  • 参考文献(1)
  • 二级参考文献(3)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(4)
  • 参考文献(1)
  • 二级参考文献(3)
2000(3)
  • 参考文献(1)
  • 二级参考文献(2)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(3)
  • 参考文献(3)
  • 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
特征抽取
最佳鉴别平面
无监督模式
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
相关基金
国家高技术研究发展计划(863计划)
英文译名:The National High Technology Research and Development Program of China
官方网址:http://www.863.org.cn
项目类型:重点项目
学科类型:信息技术
论文1v1指导