基于改进的稀疏保留投影人脸识别算法研究

《基于改进的稀疏保留投影人脸识别算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、■、ｋ■．单位代码；１０２９３密级：，＞．．■ｒ－＊考巫緣化硕女俗戈■ＩｌＪ４，々Ｉ．教蒂疆曝Ｉ禮．？、？’、．．、－：．Ｕ？—．．＇，ｗ、＇—论文题目：基于改进的稀疏保留投影．，．－．－，ｖ州成－人脸识别算法研究；－冷学号１２１３ＱＳ３２２２〇：／：、．、．？■—姓名袁安鼎－：导师‘荆晓远－，又进Ｖ；专业学位类别：工結硫七养：高马觀：‘’＇／＼心＼类型全：日制＿＿Ｖ

2、ｔ？＿．专业（领域）控制工程巧－）盛Ｕ论文提交日期二零一六年五月沪‘－＇＊＇’＾．．＇＞、．ＣＪＹ‘＇卡禹’’＇－、．－■ｖ‘＾＇．：一－Ｖ．芋：，；＇ｖ；；＾．、：＾处餐；棘化．沪＇－心？＇＇．’．．＇＇．：？：－＾＇＾－、；片．、＾攤，一，公，、．＼；．．；，；．：护．南京邮电大学学位论文原创性声明’本人卢叫所Ｍ交的学位论文是我个人在导帅巧导下进行的硏光Ｉ；作及取得的巧究成果。’尽我所対，，论ｙ过Ｉ除／义中恃别加Ｗ柄化和致谢的地方外支中不包含其他人己经发表或撰的研究成巧，化

3、不包含为获得闽扣邮化大学或其它构的学位或证书使过的料：教巧机而用材；｜己论姑谢齒。气化训；作的Ｎ忠对本硏究所做的任何巧献均巧义中作ｒ明鞠的明并农取／一。，人论义及被段不愿意切相关的法巧化本巧位相关资料若有实承姐伴研：：巧生签名。朋麥与秦＾南京邮电大学学位论文使用授权声明ｎ义人喃邮化大学ｊ保留并向國讓有关部ｎ或机构送交论文的结印件和化子本巧权扣；；全入关进行；巧论文被查阅和化阅可Ｕ将学位论文的部或部分阳容编有数掘库检崇档允讯影、或扫描毎制手段促存、汇编学位论文。义化子文和纸采印缩印等本本档的内容质＇－－（理。）论丈

4、。论文授贿邮大硏生院办的内容相致的公化包巧刊登权京化学究授■被论义在密后适川。密学位解木权书＇’、．谷。直、：化豁：名Ｉ是日期：硏光名导师签脊Ｉｒｒ＿％ImprovedSparsePreservingProjectionsBasedFaceRecognitionAlgorithmThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByYuanAndingSupervisor:Prof.Jing

5、XiaoyuanApril2016摘要模式识别领域对于样本分类判别准则很多，近期运用比较多的是将原始数据样本的稀疏重构关系保持到投影变换后的样本空间中去，从而增加分类的准确性。稀疏保留投影（SPP）就是基于该思想发展起来的典型算法，但算法存在的不足点在于稀疏保留投影算法（SPP）在寻找能够最佳保持原始样本空间中的稀疏结构的最佳投影变换时，是从原始样本全局角度进行考虑，然而一般图像数据样本呈现出的一般是全局非线性而局部线性的样本空间结构，也就是原始图像样本往往是处在一个高维空间中的低维流形结构中，基于以上分析的不足之处考虑，本文主要研究点如下：通过稀

6、疏保留投影算法获取的投影变换向量组是非正交形式的，从图像样本本身的非线性结构出发，投影变换向量呈现正交性将有利于算法识别率的提高，同时原始图像样本结构呈现线性可分性时对于图像的分类准确性也有很大的提高作用，从这两点出发，提出基于核正交的稀疏保留投影算法（KOSPP），该算法主要是通过核函数将原始样本投影到高维核空间实现样本的线性可分性之后，同时在SPP算法中引入正交性获取正交的投影变换向量组，从而提高算法的鉴别能力。上述方法从投影变换向量组以及样本结构本身出发，改进了投影变换向量的正交性同时实现样本结构的线性可分，但上述方法仍然是从样本全局角度出发

7、，考虑到原始图像样本的空间分布情况，一般情况下，对于原始样本的低维流行结构进行保持将有利于算法识别率的提高，所以我们通过引入近邻信息图矩阵来保留近邻信息，提出基于局部近邻信息融合的稀疏保留投影算法（LNIFSPP）。以上两个算法都是基于无监督领域下的，然而有监督算法将样本的类标签运用到识别中去将能够提高算法的识别率，同时考虑投影变换正交性以及原始样本可分性以及局部近邻信息保留的基础上，我们将上述两方法有机结合，同时将样本类别标签信息融入到所提方法中去，提出基于有监督局部近邻信息的核正交稀疏保留投影算法（LNIKOSPD）。关键词:稀疏保留投影，近邻

8、信息，正交性，线性可分，有监督学习，核变换IAbstractInthefieldofpatternrecognitionf