没有合适的资源?快使用搜索试试~ 我知道了~
首页小样本下类内保持的正交人脸识别特征提取算法
本文主要探讨的是在人脸识别领域中的一种新型特征提取算法,针对小样本问题提出了一个具有类内保持的正交特征提取方法。传统的具有正交性的特征提取算法在增强人脸识别任务中的区分性信息方面表现出色,然而它们在样本数量较少的情况下会遇到挑战,因为样本数量可能小于特征维度,导致所谓的“小样本问题”。 文章的核心贡献是基于正交判别保持投影的思想,这种方法旨在保持同类样本内部的结构信息,以提高特征提取的稳健性和有效性。原有的特征提取过程中,类内散度矩阵和类间散度矩阵的定义被重新审视和调整,从而构建了一个新的目标函数。尽管这个新目标函数在解决人脸识别问题时仍面临小样本问题,作者通过引入低维子空间的概念来解决这个问题。通过降维,作者避开了总体散度矩阵可能变得奇异的问题,并且理论证明了在低维子空间中寻找判别向量集的过程与在原始空间中相同,这意味着可以在样本量有限的情况下仍能得到有效的特征表示。 实验部分展示了该算法在实际人脸库上的应用,结果表明了算法在处理小样本情况下显著提高了人脸识别的性能,证实了其有效性和鲁棒性。关键词包括特征提取、小样本问题、目标函数以及总体散度矩阵,这些概念都是理解和评估算法核心原理的关键点。 这篇文章提供了一种创新的方法来克服小样本问题,通过结合正交性、类内保持和低维子空间技术,使得特征提取在人脸识别任务中更具实用价值。这对于在实际应用中处理有限样本的数据集具有重要的意义,尤其是在那些样本稀缺但特征复杂的情境下。
资源详情
资源推荐
第 36 卷 第 5 期 自 动 化 学 报 Vol. 36, No. 5
2010 年 5 月 ACTA AUTOMATICA SINICA May, 2010
适用于小样本问题的具有类内保持的正交特征提取算法
林玉娥
1, 2
顾国昌
1
刘海波
1
沈 晶
1
赵 靖
1
摘 要 在人脸识别中, 具有正交性的特征提取算法是一类有效的特征提取算法, 但受到小样本问题的制约. 本文在正交判
别保局投影的基础上, 提出了一种适用于小样本问题的具有类内保持的正交特征提取算法. 算法根据同类样本之间的空间结
构信息, 重新定义了类内散度矩阵与类间散度矩阵, 进而给出了一个新的目标函数. 然而新的目标函数对于人脸识别问题, 同
样存在着小样本问题. 为此本文将原始数据空间降到一个低维的子空间, 从而避免了总体散度矩阵奇异, 并在理论上证明了在
该子空间中求解判别矢量集, 等价于在原空间中求解判别矢量集. 人脸库上的实验结果表明本文算法的有效性.
关键词 特征提取, 小样本, 目标函数, 总体散度矩阵
DOI 10.3724/SP.J.1004.2010.00644
An Orthogonal Feature Extraction Method Based on the Within-class
Preserving for Small Sample Size Problem
LIN Yu-E
1, 2
GU Guo-Chang
1
LIU Hai-Bo
1
SHEN Jing
1
ZHAO Jing
1
Abstract Orthogonal feature extraction methods are widely employed to enhance the discriminatory information for the
face recognition task, but often suffer the small sample size problem which arises if the number of samples is smaller than
the dimensionality of samples. To solve this problem, an orthogonal feature extraction method based on the within-class
preserving is proposed. The proposed method redefines the within-class and b etween-class scatter matrices according
to the space information among samples belonging to the same class, and then gives the new objective function. This
metho d may encounter the small size sample problem when it is applied to face recognition task, and so we firstly map the
original space into a low dimensional subspace, then the singularity of the total-scatter matrix can be avoided in this low
dimensional subspace. It is proved that the discriminant vectors derived in this low dimensional subspace are equal to the
discriminant vectors derived in the original space. Experimental results on face database demonstrate the effectiveness of
the proposed method.
Key words Feature extraction, small size sample, objective function, total-scatter matrix
在人脸识别方法中, 基于 Fisher 准则的线性判
别分析 (Linear discriminant analysis, LDA)
[1−2]
,
由于可得到有助于分类的最佳判别投影信息, 被
认为是线性特征提取的有效方法之一. 但是传统的
LDA 算法在求取判别矢量集时, 由于矩阵 S
−1
w
S
b
不
再是对称矩阵, 因此所求得的判别矢量两两之间不
再正交. 为了获得基于 Fisher 线性判别准则的相
互正交的判别矢量集, 1975 年, Foley 和 Sammon
[3]
提出了 Foley-Sammon 正交判别矢量集算法, 但由
于采用迭代方法求解, 算法的计算量相当大, 尤其是
对于高维小样本问题. 因此文献 [4] 提出了一种改
收稿日期 2009-01-04 录用日期 2009-07-23
Received January 4, 2009; accepted July 23, 2009
国家自然科学基金 (60873036), 国家教育部博士点基金 (200702170-
51), 中央高校基本科研业务专项资金资助
Supported by National Natural Science Foundation of China
(60873036), National Research Foundation for the Doctoral Pro-
gram of Higher Education of China (20070217051), and the Fun-
damental Research Funds for the Central Universities
1. 哈尔滨工程大学计算机科学与技术学院 哈尔滨 150001
1. College of Computer Science and Technology, Harbin Engi-
neering University, Harbin 150001
2. 安徽理工大学计算机科学与工程学院 淮南 232001
2. School of Computer Science and Engineering, Anhui Uni-
versity of Science and Technology, Huainan 232001
进方案, 其思想是首先将样本投影到类间散度矩阵
的非零空间中, 然后再采用 Foley-Sammon 正交判
别矢量集方法, 在一定程度上减少了运算量. 文献
[5−6] 则提出了与核技术相结合的 Foley-Sammon
正交判别矢量集算法, 进一步增强了算法的识别性
能. 但上述算法本质上都是采用迭代方法求解, 故
此文献 [7] 提了一种基于 Gram-Schmidt 正交化的
快速计算方法 (Orthogonalized linear discriminant
analysis, OLDA), 从而避免了迭代运算, 不但简化
了算法的求解理论, 而且显著地提高了算法的运算
速度. 但是这些算法都是基于原始的 Fisher 准则,
没有考虑样本之间的空间结构信息对特征提取所
产生的影响. 最近 He 等提出的保局投影 (Local-
ity preserving projection, LPP)
[8]
是一种新的特
征提取算法, 该算法根据样本之间的空间距离来构
造相似矩阵, 以保留数据内在的几何特性和局部结
构为目的, 重新定义了目标函数, 并通过人脸识别
的实验验证了这一算法的有效性. 但是 LPP 算法
所提取的特征向量之间存在着信息冗余, 因此文献
[9] 进一步发展了 LPP 算法, 提出具有正交性的
下载后可阅读完整内容,剩余5页未读,立即下载
weixin_38699352
- 粉丝: 8
- 资源: 920
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- zlib-1.2.12压缩包解析与技术要点
- 微信小程序滑动选项卡源码模版发布
- Unity虚拟人物唇同步插件Oculus Lipsync介绍
- Nginx 1.18.0版本WinSW自动安装与管理指南
- Java Swing和JDBC实现的ATM系统源码解析
- 掌握Spark Streaming与Maven集成的分布式大数据处理
- 深入学习推荐系统:教程、案例与项目实践
- Web开发者必备的取色工具软件介绍
- C语言实现李春葆数据结构实验程序
- 超市管理系统开发:asp+SQL Server 2005实战
- Redis伪集群搭建教程与实践
- 掌握网络活动细节:Wireshark v3.6.3网络嗅探工具详解
- 全面掌握美赛:建模、分析与编程实现教程
- Java图书馆系统完整项目源码及SQL文件解析
- PCtoLCD2002软件:高效图片和字符取模转换
- Java开发的体育赛事在线购票系统源码分析
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功