增强的无监督人脸鉴别技术

• 作者: 陈才扣 黄璞
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2010,（18）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 167-169,173
• 分类号: TP391
• 字数: 3835字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.18.052

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈才扣	扬州大学信息工程学院	65	397	11.0	17.0
2	黄璞	扬州大学信息工程学院	4	59	4.0	4.0