基于不相关局部敏感鉴别分析的新生儿疼痛表情识别

• 作者: 卢官明 左加阔
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 表情识别 特征提取 流形学习 统计不相关局部敏感鉴别分析 新生儿疼痛
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 通信与电子
• 页码范围: 1-7
• 页数: 7页
• 分类号: TN911.73|TP391.41
• 字数: 5308字
• 语种: 中文

摘要

针对新生儿疼痛表情识别中的特征提取问题,提出一种不相关局部敏感鉴别分析(Uncorrelated Locality Sensitive Discriminant Analysis,ULSDA)算法.首先,在局部敏感鉴别分析(LSDA)算法的基础上,通过附加投影向量正交性的约束条件,定义了ULSDA的目标函数;然后,推导出求解特征子空间正交投影向量的迭代公式;最后,将输入的高维图像数据投影到这个特征子空间,求出特征向量.ULSDA算法不仅继承了LSDA算法所具有的有监督、局部流形结构保持等特性,而且消除了LSDA算法所提取出的鉴别特征的相关性,从而增强了特征的鉴别能力,比LSDA算法具有更好的分类识别能力.在新生儿表情图像库上的疼痛表情识别实验结果表明,提出的ULSDA方法是有效可行的.当每类表情的训练样本图像为150幅时,采用ULSDA算法获得的平均识别率达到了82.07％,优于主成分分析(PCA)、线性鉴别分析(LDA)、局部敏感鉴别分析(LSDA)等特征提取方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢官明	南京邮电大学通信与信息工程学院	74	904	16.0	29.0
2	左加阔	东南大学教育部水声信号处理重点实验室	11	99	6.0	9.0