基于最大边界准则的稀疏局部嵌入特征提取方法

• 作者: 万鸣华 刘毛溪 孙成立 王巧丽
• 来源期刊: 计算机应用研究
• 关键词: 特征提取 局部线性嵌入 最大边界准则 弹性网回归
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 图形图像技术
• 页码范围: 1560-1564
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.05.063

摘要

针对局部线性嵌入算法(LLE)无法利用样本的鉴别信息,最大边界准则算法(MMC)对非线性数据处理能力较弱的不足,提出一种基于最大间距准则的稀疏局部嵌入(SLE/MMC)特征提取算法.在保持局部近邻的前提下,首先在类内紧致图中使同类样本尽可能地聚集在一起;然后在类间惩罚图中使不同类别的样本尽可能分离;最后使用弹性网回归算法得到一个最优的稀疏投影矩阵.为了避免小样本问题,采用MMC的形式构造目标函数.在ORL、Yale以及UMIST人脸库上的实验结果可以看到,同其他几种方法(PCA、LLE和MMC)相比,SLE/MMC具有更高的识别率,表明该方法具有更高效的特征提取能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万鸣华	南昌航空大学江西省图像处理与模式识别重点实验室	9	69	5.0	8.0
4	孙成立	南昌航空大学信息工程学院	17	38	4.0	4.0
8	刘毛溪	南昌航空大学江西省图像处理与模式识别重点实验室	2	7	2.0	2.0
15	王巧丽	南昌航空大学江西省图像处理与模式识别重点实验室	4	13	2.0	3.0