一种基于预分类的高效最近邻分类器算法

本文的最近邻分类器算法是采用多分类器组合的方式对测试样本进行预分类,并根据预分类结果重新生成新的训练和测试样本集。对新的测试样本采用最近邻分类器进行分类识别,并将识别结果与预分类结果结合在一起进行正确率测试。在ORL人脸库上的实验结果说明,该算法对小样本数据的识别具有明显优势。     

人脸识别算法研究--基于图像多路正交投影和最小类距离分类器

论文提出了基于图像多路正交投影和最小距离分类器的人脸识别方法。该方法与Fisherfaces方法相比,是基于图像矩阵的,故它的突出优点是极大地提高了特征提取的速度;与最近邻分类法相比,论文提出的最小类距离分类法,在识别性能上有明显的改善。最后,在ORL标准人脸库上的实验结果表明,其特征提取的速度是Fisherfaces特征提取速度的14倍;在相同的特征维数下,识别性能与最近邻法相比也得到较大的提高。     

基于回归分析的全体与类样本分类器的比较研究

针对基于L1范数的Lasso回归与基于L2范数的Ridge回归模型,分别讨论两种分类器的设计方法,即基于Lasso回归的全体与类样本分类器和基于Ridge回归的全体与类样本分类器。分别在2个大样本数据库与2个小样本数据库对所给出的方法进行比较研究与分析,结果表明基于全体样本的分类器更适合小样本问题,而基于类样本的分类器更适合大样本问题。     

基于边际Fisher准则和迁移学习的小样本集分类器设计算法

如何利用大量已有的同构标记数据（源域）设计小样本训练数据（目标域）的分类器是一个具有很强应用意义的研究问题. 由于不同域的数据特征分布有差异,直接使用源域数据对目标域样本进行分类的效果并不理想. 针对上述问题,本文提出了一种基于迁移学习的分类器设计算法. 首先,本文利用内积度量的边际Fisher准则对源域进行特征映射,提高源域中类内紧凑性和类间区分性. 其次,为了筛选合理的训练样本对,本文提出一种去除边界奇异点的算法来选择源域密集区域样本点,与目标域中的标记样本点组成训练样本对. 在核化空间上,本文学习了目标域特征到源域特征的非线性转换,将目标域映射到源域. 最后,利用邻近算法（k-nearest neighbor,kNN）分类器对映射后的目标域样本进行分类. 本文不仅改进了边际Fisher准则方法,并且将基于自适应样本对 筛选的迁移学习应用到小样本数据的分类器设计中,提高域间适应性. 在通用数据集上的实验结果表明,本文提出的方法能够有效提高小样本训练域的分类器性能.     

基于KIOFD算法的特征抽取及其在人脸识别中的应用

提出了一种基于核技术的融合了反转Fisher鉴别准则和正交化技术的KIOFD（Kernel Inverse Orthogonalized Fisher Discriminant）算法,并把这一算法应用于人脸识别中。线性人脸识别中存在两个突出问题:（1）在光照、表情、姿态变化较大时,人脸图像分类是复杂的、非线性的;（2）小样本问题,即当训练样本数量小于样本特征空间维数时,导致类内散布矩阵奇异。对于第1个问题,可以采用核技术提取人脸图像样本的非线性特征,对于第2个问题,采用了反转Fisher鉴别准则和正交化结合的算法。通过对ORL、Yale Group B以及UMIST3个人脸库的实验表明,提出的算法是可行的、高效的。     

基于有监督流形学习的正交投影降维

将监督局部线性嵌入的思想引入传统的正交投影降维方法（OPRA）方法,提出一种新的基于有监督流形学习的正交投影降维方法（α-OPRA）,使高维到低维的映射在保留某些流形结构的同时,进一步获得较好的正交投影效果。该方法通过加入额外的参数口来控制监督的程度,在纯粹的有监督的OPRA和无监督的OPRA之间取得了某些折中。实验结果证明,该方法能获得较好的降维结果。     

基于图像分块的LDA人脸识别

设计了一种基于图像分块的LDA(linear discriminant analysis)人脸识别方法,该方法从模式的原始数字图像出发,先对图像矩阵进行分块,然后对分块子图像进行LDA特征提取,从而得到能代替原始模式的低维新模式,最后再用最小距离分类器进行分类.该方法克服了传统LDA方法的缺点,其优点是能有效地提取图像的局部特征.实验表明:该方法在识别性能上优于Fisheffaces方法.     

基于级联稀疏表示分类器的人脸识别算法

针对基于稀疏表示的分类器算法复杂度高、识别速度较慢的问题,提出了基于级联稀疏表示分类器的人脸识别算法。该算法采用级联的思想,通过多次重复使用基于稀疏表示的分类器,逐级精确确定待分类样本所在的类,降低了计算复杂度和识别难度,达到了识别率高、鲁棒性强、识别速度快的目标。     

基于核的多元区别分析算法的特征抽取及其在人脸识别中的应用

提出了一种基于核技术的求多元区别分析最佳解的K1PMDA算法，并把这一算法应用于人脸识别中。对线性人脸识别中存在两个突出问题：1、在光照、表情、姿态变化较大时，人脸图像分类是复杂的、非线性的；2、小样本问题，即当训练样本数量小于样本特征空间维数时，导致类内散布矩阵奇异。对于前一个问题，可以采用核技术提取人脸图像样本的非线性特征，对于后一个问题，采用加入一个扰动参数的扰动算法。通过对ORL，Yale Group B以及UMIST三个人脸库的实验表明，该算法是可行的、高效的。     

一种基于最小风险检测ART网分类器的设计与人脸识别

本文通过对传统的自适应共振网络(ART)的研究,分析了其优缺点及应用领域,在此基础上提出了一种适合训练样本数较少、样本特征值维数较高的图像目标分类的最小风险检测 ART 网络,并重点讨论了该网络在结构上的改进和运行原理,以及基于该网络的分类器的设计及其算法实现过程。通过对 ORL 人脸库和 Yale 人脸库的图像样本仿真结果表明,应用该分类方法进行人脸图像分类识别,同时获得了较高的分类速度和分类效果。     

基于积分投影的人脸图像的特征提取

人脸识别是模式识别领域内的重要课题,有着十分广泛的应用前景,人脸特征的自动提取是人脸自动识别过程中重要的一步。该文采用基于人脸几何特征的方法,首先通过边缘检测和阈值技术对人脸图像进行预处理;然后分别采用水平和垂直积分投影的方法确定人脸轮廓,最后利用人脸特征的先验知识,提取出特征点。实验结果表明该人脸特征提取系统能有效地提取头部轮廓和人脸的主要特征点,实现简单,效率高,特别适合于标准证件类型的黑白照的识别。     

基于灰度差投影的快速人脸定位和特征提取

人脸识别是近年来热门而且发展很迅速的一个研究课题。人脸定位作为人脸识别的第一步，更加显得重要。本文比较了现有的各种投影定位方法，给出了各方法的实验结果。在此基础上，提出了一种新的定位方法，并用于人脸左右边界的定位和鼻子的定位。实验结果表明，这种方法不仅速度非常快，而且定位准确率要远远高于现有方法。     

基于监督协同近邻保持投影的人脸识别算法

基于流形学习理论的近邻保持嵌入算法(Neighborhood Preserving Embedding,NPE)能够发现数据集中隐含的内蕴结构,但当训练样本不足时,无法准确发现数据的内在流形结构,从而影响算法的识别效果.针对这一问题,对NPE算法进行改进,提出了监督协同近邻保持投影算法(Supervised Collaborative Neighborhood Preserving Projection,SCNPP).该算法在类别信息的指导下构建近邻图,使同类样本间的几何关系得到保持,利用协同表示弥补NPE因样本不足造成的表示误差,以一个有效保持样本近邻关系、准确发现数据内在流形结构的权值矩阵计算投影矩阵,提高分类效果.在FERET、AR和Extended Yale B人脸数据集上的实验验证了该算法的有效性.     

一种用于人脸粗检测的广义几何投影方法

本文提出了一种用于人脸粗检测的广义几何投影方法,该方法能从场景图像中快速地筛选出侯选人脸区域,筛选比例高,并能同时预测出筛选位置人脸的尺度范围,使得整个人脸的检测速度得到很大的提高。     

基于Log-Gabor和正交等度规映射的人脸识别

针对人脸识别中的特征提取问题,提出一种基于Log-Gabor和正交等度规映射(Orthogonal IsoProjection,OIsop)的人脸识别算法.算法首先采用Log-Gabor小波对图像进行滤波来提取高阶非线性统计信息.然后,在原始的优化问题中增加正交约束条件,推导出能得到一组具有正交性最优映射向量的迭代公式...     

A Geometric Strategy Algorithm for Orthogonal Projection onto a Parametric Surface

Journal of Computer Science and Technology - In this paper, we investigate how to compute the minimum distance between a point and a parametric surface, and then to return the nearest point (foot...     

一种基于粒子群算法的分类器设计

将粒子群算法应用于数据分类,给出了适用于粒子群算法的分类规则编码,构造了新的分类规则适应度函数来更准确的提取规则集,并通过修改粒子位置更新方程使粒子群算法适于解决分类规则挖掘问题,进而实现了基于粒子群算法的分类器设计。该文进一步用UCI基准数据集对作者提出的粒子群分类器进行了测试,并将几种不同速度与位置更新策略的粒子群算法分类器与遗传算法分类器进行对比,实验结果表明,这种粒子群分类器是一种有效、可行的分类器设计方案。