基于FLPP的极端学习机人脸识别方法

• 作者: 何阳 刘佳奇 闫德勤
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 维数约简 强制性保留 极端学习机 人脸识别
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 28-31
• 页数: 4页
• 分类号: TP301
• 字数: 3131字
• 语种: 中文
• DOI: 10.11907/rjdk.172672

摘要

极端学习机(ELM)训练速度快、分类率高,已被广泛应用于人脸识别领域,但是在实际问题中由于数据具有较高维数,导致EL M在有限样本下存在学习不充分的问题.传统对数据进行有效维数约简的方法,没有考虑到数据之间判别信息和小样本问题.为此,提出一种强制性保留算法(FLPP),以保持全部样本与局部样本之间的几何结构,同时类间离散度矩阵加入判别信息,因此避免了样本点重叠和小样本问题.实验结果表明,该算法有效提高了极端学习机的泛化性能和分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	闫德勤	辽宁师范大学计算机与信息技术学院	124	1071	15.0	28.0
2	刘佳奇	辽宁师范大学计算机与信息技术学院	3	0	0.0	0.0
3	何阳	辽宁师范大学计算机与信息技术学院	3	2	1.0	1.0