首页 | 本学科首页   官方微博 | 高级检索  
     

基于核邻域保持投影的人脸识别
引用本文:庞彦伟,俞能海,沈道义,刘政凯. 基于核邻域保持投影的人脸识别[J]. 电子学报, 2006, 34(8): 1542-1544
作者姓名:庞彦伟  俞能海  沈道义  刘政凯
作者单位:中国科学技术大学电子工程与信息科学系,安徽,合肥,230027;中国科学技术大学电子工程与信息科学系,安徽,合肥,230027;中国科学技术大学电子工程与信息科学系,安徽,合肥,230027;中国科学技术大学电子工程与信息科学系,安徽,合肥,230027
基金项目:国家自然科学基金(No.60572067);国家模式识别实验室2005年度开放课题
摘    要:提出了一种有效的非线性子空间学习方法:核邻域保持投影.其主要思想是通过引入线性变换矩阵来近似经典的局部线性嵌入(LLE),然后通过核方法的技巧在高维空间里求解.经过推导,实际的子空间的计算可归结为标准的特征值分解问题而非推广的特征值分解问题.在AR人脸数据库上的试验表明该方法是有效的.

关 键 词:人脸识别  子空间学习  核方法  降维
文章编号:0372-2112(2006)08-1542-03
收稿时间:2005-09-09
修稿时间:2005-09-092006-03-02

Kernel Neighborhood Preserving Projections for Face Recognition
PANG Yan-wei,YU Neng-hai,SHEN Dao-yi,LIU Zheng-kai. Kernel Neighborhood Preserving Projections for Face Recognition[J]. Acta Electronica Sinica, 2006, 34(8): 1542-1544
Authors:PANG Yan-wei  YU Neng-hai  SHEN Dao-yi  LIU Zheng-kai
Affiliation:Department of EEIS,University of Science and Technology of China,Hefei,Anhui 230027,China
Abstract:An efficient nonlinear subspace learning method,kernel neighborhood preserving projections(KNPP),is developed.The main idea is to approximate the classical local linear embedding(LLE) by introducing a linear transformation matrix and then find the solution in a very high dimensional space by kernel trick.The actual computation of the subspace is reduced to a standard eignenvalue problem rather than the generalized one.Experiments on AR face database demonstrate the effectiveness of the proposed method.
Keywords:face recognition   subspace learning   kernel methods   dimension reduction
本文献已被 CNKI 维普 万方数据 等数据库收录!
点击此处可从《电子学报》浏览原始摘要信息
点击此处可从《电子学报》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号