非线性距离的最近邻特征空间嵌入改进方法

• 作者: 杜弘彦 王士同
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 人脸识别 非线性距离 夹角 最近邻特征空间嵌入 近邻类
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1461-1473
• 页数: 13页
• 分类号: TP181
• 字数: 9956字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1703034

摘要

最近邻特征空间嵌入(nearest feature space embedding,NFSE)方法选取最近邻特征空间时使用欧氏距离度量,导致样本的类内离散度和类间离散度同步变化,无法准确反映样本在高维空间的分布;选取每个样本最近邻特征空间都要遍历所有类,导致训练时间长.针对以上问题,提出非线性距离的最近邻特征空间嵌入改进方法(nearest feature space embedding method based on nonlinear distance metric,NDNFSE),引入非线性距离公式选取最近邻特征空间,并使用结合夹角度量的最近邻分类器,提高了识别率;仅在样本的近邻类中选取最近邻特征空间,有效减少了训练时间.实验表明,NDNFSE的训练时间明显低于NFSE,识别率总体高于各对比算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学数字媒体学院	528	3424	23.0	37.0
2	杜弘彦	江南大学数字媒体学院	2	2	1.0	1.0