一种基于高斯过程隐变量模型的表情识别方法

• 作者: 潘武生 黄玉水
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 高斯过程 特征提取 表情识别 隐变量模型 非线性降维
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 仿真服务化
• 页码范围: 341-344
• 页数: 4页
• 分类号: TP317.4
• 字数: 2222字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2018.03.074

摘要

由于传统的线性降维方法存在局限性,利用高斯过程隐变量模型的非线性降维,提出一种新的基于高斯过程隐变量模型的表情识别方法.上述方法首先运用高斯过程隐变量对提取的表情特征进行降维,然后利用变分稀疏高斯过程分类方法进行分类识别.选取在JAFFE数据库进行对比仿真,在提取同一类LBP特征的情况下,使用上述方法与单独使用支持向量机和最近邻算法相比较,新方法明显优于以上两种方法.结果表明了新方法能够有效的进行人脸的表情识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄玉水	南昌大学信息工程学院	37	201	9.0	12.0
2	潘武生	南昌大学信息工程学院	1	2	1.0	1.0