基于高斯过程隐变量模型的图像数据降维算法

• 作者: 刘春光 王迪 郭莉莉 韩忠华
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 高斯过程隐变量模型 数据降维 人脸识别 超参数 概率最大化
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 计算机控制系统及软件
• 页码范围: 687-690
• 页数: 4页
• 分类号: TP391.41
• 字数: 3318字
• 语种: 中文

摘要

针对传统谱算法在数据降维计算复杂度高的缺点,提出一种基于高斯过程隐变量模型的图像数据降维算法.首先,通过高斯过程(Gaussian Process,GP)建立图像数据的概率模型,得到图像数据的隐变量模型;其次,利用概率最大化原则得到最优超参数,通过最优超参数求取最优数据降维结果;最后,实现图像数据降维.选取Yale,ORL两类数据集与传统算法进行人脸识别对比实验,实验结果表明:所提出的算法针对图像数据降维问题有较好的效果,结合支持向量机算法,可有效地对人脸图像进行识别,且有较高的识别率,从而体现出算法对高维数据降维的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩忠华	沈阳建筑大学信息与控制工程学院	42	205	8.0	11.0
2	刘春光	沈阳建筑大学学报编辑部	39	118	7.0	9.0
3	王迪	沈阳城市建设学院信息系	25	42	4.0	4.0
4	郭莉莉	沈阳城市建设学院信息系	27	28	3.0	4.0