基于低秩表示投影的无监督人脸特征提取
张振月,李斐,江铭炎 *山东大学信息科学与工程学院, 山东 济南 250100
收稿日期:
2017-01-03出版日期:
2018-02-20发布日期:
2017-01-03通讯作者:
江铭炎(1964— ),男,江苏苏州人,教授,博士,主要研究方向为计算机视觉,机器学习,智能优化.E-mail:jiangmingyan@sdu.edu.cnE-mail:zhangzhenyue0@163.com作者简介:
张振月(1989— ),男,山东菏泽人,硕士研究生,主要研究方向为低秩表示,人脸识别,机器学习.E-mail:zhangzhenyue0@163.com基金资助:
国家自然科学基金资助项目(61201370);山东省自然科学基金资助项目(ZR2014FM039)Unsupervised face image feature extraction based on low-rank representation projection
ZHANG Zhenyue, LI Fei, JIANG Mingyan*School of Information Science and Engineering, Shandong University, Jinan 250100, Shandong, China
Received:
2017-01-03Online:
2018-02-20Published:
2017-01-03摘要/Abstract
摘要: 为了构造数据之间的自适应邻接图,同时克服稀疏表示系数和协同表示系数互相独立、提取全局信息弱的缺陷,提出采用低秩表示(low-rank representation, LRR)系数构造权重矩阵的流形学习算法,即低秩表示投影(low-rank representation projections, LRRP)和判别低秩表示投影(discriminative low-rank representation projections, DLRRP)。在新算法中,将低秩表示系数表征的样本之间的邻接关系保留在特征空间;同时利用低秩系数的聚类性质,在优化目标中加入类内散度最小化项,计算出具有判别性的投影矩阵。试验结果表明,在真实人脸图像库上与其他几种流形学习算法相比,LRRP和DLRRP能够取得更好的识别率。提出的新算法是有效的特征提取算法,能够丰富流形学习框架。
PDF全文下载地址:
http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1703