张量正交局部敏感判别式分析及其在人脸识别中的应用

• 作者: 王移芝 金一 阮秋琦
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 人脸识别 特征提取 流形学习 张量分析
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 论文与技术报告
• 页码范围: 820-827
• 分类号: TP391
• 字数: 6876字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0530.2011.06.004

摘要

针对人脸识别的特征提取问题,本文提出了一种张量正交局部敏感判别分析(Tensor-based Orthogonal Locality Sensitive Discriminant Analysis,Tensor-OLSDA)的人脸识别算法.张量正交局部敏感判别分析在保持了流形的局部几何结构的同时加强了全局判别结构,并克服了局部敏感判别分析算法中非正交性带来的度量失真和维数估计困难等问题,从而增强了数据的可分性,提高了识别效果.张量正交局部敏感判别分析首先将人脸数据表示成高阶张量形式,在进行特征提取时将高阶张量数据沿不同阶展开,再利用特征根之间的正交性约束条件,求解正交局部敏感判别式分析特征子空间,最后将高阶人脸数据投影于这个特征子空间,进行识别.在AT&T和YaleB人脸库上的实验结果表明,Tensor-OLSDA具有良好的分类性能,能获得较为理想的识别结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阮秋琦	北京交通大学计算机与信息技术学院	105	1445	20.0	32.0
2	王移芝	北京交通大学计算机与信息技术学院	50	513	13.0	21.0
3	金一	北京交通大学计算机与信息技术学院	8	199	5.0	8.0