面向图像分类的核主成分分析网络

• 作者: Lotfi Senhadji 伍家松 吴丹 姜龙玉 曾瑞 舒华忠
• 来源期刊: 东南大学学报（英文版）
• 学科: 工学
• 关键词: 深度学习 核主成分分析网络 主成分分析网络 人脸识别 物体识别 手写数字识别
• 年，卷（期）: 2015,（4）
• 页码范围: 469-473
• 页数: 5页
• 分类号: TP391
• 字数: 821字
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2015.04.007

摘要

为了能够用线性分类器对非线性特征进行分类,同时提高图像的分类正确率,提出了一种核主成分分析网络(KPCANet).首先通过核主成分分析算法将数据映射到高维空间中,使得数据线性可分,然后建立一个2层的KPCANet,提取出图像的主特征,最后将图像的主特征输入线性分类器中进行分类.实验结果表明,KPCANet对于人脸识别、物体识别以及手写数字识别效果良好,其分类效果优于现存的主成分分析网络(PCANet).同时,KPCANet的成分提取效果不受光照条件变化的影响,且对于遮挡以及微小的形变提取效果稳定.