L2,1范数正则化的不相关判别分析及其在人脸识别中的应用

• 作者: 傅俊鹏 葛骁倩 陈秀宏
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 人脸识别 特征选取 子空间学习 L2,1范数 不相关判别分析 Fisher判别分析
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 图形与图像
• 页码范围: 343-350
• 页数: 8页
• 分类号: TP391.4
• 字数: 6169字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2017.02.019

摘要

对高维数据降维并选取有效特征对分类起着关键作用.针对人脸识别中存在的高维和小样本问题,从特征选取和子空间学习入手,提出了一种L2,1范数正则化的不相关判别分析算法.该算法首先对训练样本矩阵进行奇异值分解;然后通过一系列变换,将原非线性的Fisher鉴别准则函数转化为线性模型;最后加入L2,1范数惩罚项进行求解,得到一组最佳鉴别矢量.将训练样本和测试样本投影到该低维子空间中,利用最近欧氏距离分类器进行分类.由于加入了L2,1范数惩罚项,该算法能使特征选取和子空间学习同时进行,有效改善识别性能.在ORL、YaleB及PIE人脸库上的实验结果表明,算法在有效降维的同时能进一步提高鉴别能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈秀宏	江南大学数字媒体学院	90	480	12.0	17.0
2	葛骁倩	江南大学数字媒体学院	3	20	3.0	3.0
3	傅俊鹏	江南大学数字媒体学院	4	20	3.0	4.0