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:
针对有监督局部结构和差异投影(SLSDP,supervised local structure and diversity projection)的特征提取算法在构造差异系数时没有利用样本类别信息且其性能易受参数设置影响的问题,提出一种无参数直接正交判别局部差异投影分析(PFDODLDPA,parameter-free direct orthogonal discriminant local diversity projection analysis)算法.算法采用样本的余弦距离构造权值,能够动态获取样本的近邻点因而无需参数设置,同时其差异权值计算公式采用了样本的类别信息,因此是一种有监督的特征提取算法.对于算法的求解,为了解决小样本问题,给出了一种直接求解的计算方法,利用拉普拉斯矩阵的性质进行了相应的矩阵分解,可直接从高维样本的原始空间中求出正交投影矩阵.在ORL和AR人脸库上的实验结果表明,所提方法比原算法明显有效,最好识别率可分别提高2.3%和1.31%,说明所提方法是可行的.
推荐文章
核的正交完备鉴别局部保持投影
人脸识别
特征提取
完备鉴别局部保持投影
核函数
局部总体散度矩阵
基于无参数二维判别局部保持投影算法的人脸识别
人脸识别
特征提取
二维判别局部保持投影
无参数
基于正交判别局部保持映射的步态识别方法
步态识别
流形学习
局部保持映射
正交判别局部保持映射
基于监督判别局部保持投影的表情识别算法
局部保持投影
有监督学习
类间散度约束
表情识别
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 无参数直接正交判别局部差异投影分析算法
来源期刊 光电子·激光 学科 工学
关键词 差异 特征提取 无参数 余弦距离 小样本
年,卷(期) 2017,(2) 所属期刊栏目 模式识别
研究方向 页码范围 217-222
页数 6页 分类号 TP391.4
字数 语种 中文
DOI 10.16136/j.joel.2017.02.0119
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 林玉娥 34 29 3.0 4.0
2 许光宇 13 21 3.0 4.0
3 梁兴柱 24 12 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (111)
共引文献  (101)
参考文献  (20)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1991(3)
  • 参考文献(0)
  • 二级参考文献(3)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(6)
  • 参考文献(0)
  • 二级参考文献(6)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(11)
  • 参考文献(0)
  • 二级参考文献(11)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(13)
  • 参考文献(1)
  • 二级参考文献(12)
2006(6)
  • 参考文献(2)
  • 二级参考文献(4)
2007(12)
  • 参考文献(1)
  • 二级参考文献(11)
2008(8)
  • 参考文献(0)
  • 二级参考文献(8)
2009(7)
  • 参考文献(0)
  • 二级参考文献(7)
2010(13)
  • 参考文献(3)
  • 二级参考文献(10)
2011(9)
  • 参考文献(1)
  • 二级参考文献(8)
2012(9)
  • 参考文献(1)
  • 二级参考文献(8)
2013(13)
  • 参考文献(4)
  • 二级参考文献(9)
2014(6)
  • 参考文献(4)
  • 二级参考文献(2)
2015(2)
  • 参考文献(1)
  • 二级参考文献(1)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
差异
特征提取
无参数
余弦距离
小样本
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
光电子·激光
月刊
1005-0086
12-1182/O4
大16开
天津市南开区红旗南路263号
6-123
1990
chi
出版文献量(篇)
7085
总下载数(次)
11
总被引数(次)
60345
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