基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
稀疏表示技术的引入可有效解决降维处理对图参数的依赖,但这类降维方法不能同时兼顾稀疏重构和样本数据的邻近性问题。针对该问题,本文提出了一种基于局部约束编码的稀疏保持投影降维识别方法。通过稀疏表示分类模型构建了图边权矩阵,引入局部约束因子设计了降维投影模型,推导降维求解过程,分析了本文方法与SPP ( Sparse Preserving Projections )和SLPP( Soft Locality Preserving Projections )方法之间的共性和区别,最后给出了识别算法流程。采用人脸图像数据集和高分辨SAR( Synthetic Aperture Radar )图像数据集对算法的有效性进行仿真验证,由于考虑了数据间的邻近性,本文方法较传统方法可获得更好的识别性能。
推荐文章
利用异或运算和编码约束的降维LDP人脸识别方法
降维局部方向模式
面部特征
人脸识别
局部描述符
卡方相异性
一种鉴别稀疏局部保持投影的人脸识别算法
人脸识别
维数约简
稀疏重构
局部保持投影
基于流形保持投影的驾驶疲劳识别
疲劳识别
光流
保局投影
流形保持投影
应用于人脸识别的改进局部保持投影算法
局部保持投影
类别信息
人脸识别
降维
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于局部约束编码的稀疏保持投影降维识别方法研究
来源期刊 电子学报 学科 工学
关键词 目标识别 维数约简 稀疏表示 局部约束编码
年,卷(期) 2016,(3) 所属期刊栏目 学术论文
研究方向 页码范围 658-664
页数 7页 分类号 TP751
字数 5241字 语种 中文
DOI 10.3969/j.issn.0372-2112.2016.03.025
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王国宏 海军航空工程学院信息融合研究所 266 2616 24.0 37.0
2 林洪文 海军航空工程学院电子信息工程系 23 75 6.0 7.0
3 张静 海军航空工程学院电子信息工程系 37 266 9.0 15.0
4 刘晓娣 海军航空工程学院电子信息工程系 26 42 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (16)
参考文献  (19)
节点文献
引证文献  (4)
同被引文献  (5)
二级引证文献  (3)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(2)
  • 参考文献(1)
  • 二级参考文献(1)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(3)
  • 参考文献(2)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(3)
  • 参考文献(2)
  • 二级参考文献(1)
2010(5)
  • 参考文献(1)
  • 二级参考文献(4)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(5)
  • 参考文献(5)
  • 二级参考文献(0)
2016(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
目标识别
维数约简
稀疏表示
局部约束编码
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子学报
月刊
0372-2112
11-2087/TN
大16开
北京165信箱
2-891
1962
chi
出版文献量(篇)
11181
总下载数(次)
11
总被引数(次)
206555
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导