一种新的有监督的局部保持典型相关分析算法
【出 处】:《
计算机工程与科学
》
CSCD
2015年第37卷第6期 1175-1182页,共8页
【作 者】:
潘荣华
;
陈秀宏
;
曹翔
【摘 要】
从模式识别的角度出发,在局部保持典型相关分析的基础上,提出一种有监督的局部保持典型相关分析算法(SALPCCA)。该方法在构造样本近邻图时将样本的类别信息考虑在内,由样本间的距离度量确定权重,建立样本间的多重权重相关,通过使同类内的成对样本及其近邻间的权重相关性最大,从而能够在利用样本的类别信息的同时,也能保持数据的局部结构信息。此外,为了能够更好地提取样本的非线性信息,将特征集映射到核特征空间,又提出一种核化的SALPCCA(KSALPCCA)算法。在ORL、Yale、AR等人脸数据库上的实验结果表明,该方法较其他的传统典型相关分析方法有着更好的识别效果。
相关热词搜索: 局部保持 典型相关分析(CCA) 特征提取 人脸识别 locality preserving canonical correlation analysis (CCA) feature extraction face recognition
上一篇:基于快速级联分类器的行人检测方法研究
下一篇:大尺寸钢板测量中的激光标签精确定位