基于改进的有监督无参局部保持投影算法的人脸识别

范君^1,2(),业巧林¹,业宁^1,*()

1. 南京林业大学信息科学技术学院, 江苏 南京 210037
2. 江苏工程职业技术学院建筑工程学院, 江苏 南通 226007

收稿日期:2017-08-24出版日期:2019-02-20发布日期:2019-03-01
通讯作者:业宁E-mail:13773679049@139.com;njfuyn@163.com
作者简介:范君(1975—)，男，江苏南通人，副教授，硕士，主要研究方向为模式识别，机器学习. E-mail:13773679049@139.com
基金资助:江苏省高等职业院校国内高级访问****计划(2016GRFX013);江苏省青蓝工程培养对象(2016-15);江苏省住建厅建设系统科技计划(2017ZD138);江苏省高校哲学社会科学研究(2018SJA1247);校科研计划(GYKY/2017/5, GYKY/2017/12)

Face recognition based on improved prameter-free supervised localitypreserving projections

Jun FAN^1,2(),Qiaolin YE¹,Ning YE^1,*()

1. College of Information Science and Technology, Nanjing Forestry University, Nanjing 210037, Jiangsu, China
2. School of Civil Engineering, Jiangsu College of Engineering and Technology, Nantong 226007, Jiangsu, China

Received:2017-08-24Online:2019-02-20Published:2019-03-01
Contact:Ning YE E-mail:13773679049@139.com;njfuyn@163.com

Supported by:江苏省高等职业院校国内高级访问****计划(2016GRFX013);江苏省青蓝工程培养对象(2016-15);江苏省住建厅建设系统科技计划(2017ZD138);江苏省高校哲学社会科学研究(2018SJA1247);校科研计划(GYKY/2017/5, GYKY/2017/12)

摘要/Abstract

摘要： 针对局部保持投影算法的无监督性质和参数选择复杂性问题,提出一种改进的有监督无参数局部保持投影算法(supervised dice parameter-free locality preserving projection, SdPLPP)。SdPLPP算法使用广义Dice系数构建近邻矩阵,有效避免局部保持投影(locality preserving projection algorithm, LPP)算法参数选择调整的问题,采用监督模式对数据进行特征提取。SdPLPP在Iris数据集进行了图像可视化试验,直观分析试验分类后的样本距离值与算法性能的关系,并在ORL, Yale, FERET 3种人脸库上进行试验,通过对人脸数据的特征提取,采用最近邻分类法统计识别率,验证SdPLPP算法的有效性。试验结果表明:在人脸识别率方面, SdPLPP算法优于PCA, ULDA, LPP, SPLPP和EP-SLPP的算法,并优于已提出的其他有监督无参数局部保持投影算法。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1786