南京大学学报(自然科学版) ›› 2018, Vol. 54 ›› Issue (2): 462.
万鸣华1,2*,杨国为1,赖志辉2
Wan Minghua1,2*,Yang Guowei1,Lai Zhihui2
摘要: 主要针对局部图嵌入(Locally Graph Embedding,LGE)算法在训练样本偏少时进行特征提取,会产生识别精度不高情况,通过引入多流形思想,结合LGE和最大间距准则(Maximum Marginal Criterion,MMC)算法,提出了一种最新的特征提取算法——最大间距准则框架下的多流形局部图嵌入(Multi-Manifold Locally Graph Embedding Based on Maximum Marginal Criterion,MLGE/MMC)算法. 首先,该算法将每幅图像分成多幅小图像,这一幅图像分成的这些小图像在高维空间中就构成一个流形,以此类推,多幅图像就构成了多流形;其次,通过最大化多流形类间距离,同时最小化流形类内距离来寻找最佳投影矩阵,即分别构建多流形类间散度矩阵和类内散度矩阵;最后,在MMC准则框架下构造目标函数,通过拉格朗日乘子法和迭代来解决约束条件下的优化问题. 在ORL,Yale及AR人脸库上的实验,验证了所提算法的有效性.
[1] Seung H S,Lee D D. The manifold ways of perception. Science,2000,290(5500):2268-2269. [14] Wolf L,Hassner T,Taigman Y. Effective unconstrained face recognition by combining multiple descriptors and learned background statistics. IEEE Transactions on Pattern Analysis and Machine Intelligence,2011,33(10):1978-1990. |
No related articles found! |
|