基于非线性距离和夹角组合的最近特征空间嵌入方法

• 作者: 李滔 杜弘彦 王士同
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 人脸识别 非线性距离 夹角 最近特征空间嵌入 拉普拉斯脸
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 888-897
• 页数: 10页
• 分类号: TP181
• 字数: 8004字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2018.05.018

摘要

最近特征空间嵌入NFSE方法在训练过程中选取最近特征空间时采用传统的欧氏距离度量会导致类内离散度和类间离散度变化同步;测试时,最近邻规则也使用欧氏距离度量,而高维空间样本间直线距离具有趋同性.这些都会降低识别率,为解决此问题,提出了基于非线性距离和夹角组合的最近特征空间嵌入方法.在训练阶段,该方法使用非线性距离度量选取最近特征空间,使类内离散度的变化速度远小于类间离散度的变化速度,从而使转换空间中同类样本距离更小,不同类样本距离更大.在匹配阶段,使用结合夹角度量的最近邻分类器,充分利用样本相似性与样本夹角的关系,更适合高维空间中样本分类.仿真实验表明,基于非线性距离和夹角组合的最近特征空间嵌入方法的性能总体上优于对比算法.

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
3	李滔	江南大学数字媒体学院	6	29	2.0	5.0