半监督特征提取算法及其在人脸识别应用中的研究

《半监督特征提取算法及其在人脸识别应用中的研究》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、１４分类号ＴＰ３９．；单位代码１０３６１：《获化义乂學ＡＮＨＵＩＶＥＲＳＩＴＹＯＦＳＣＩＥＮＣＫ＆ＴＥＣＨＮＯＬＯＧＹ？ＩＵＮ论文题目：半监督特征提取算法及其在人脸巧别应用中的巧究作者姓名；陈静遠专业名称：计算机科学与技术导巧姓名：林玉娥副教授完成时间—：二〇六年六月１中图分类号：ＴＰ３９１．４论文编号：级：公开学科分类号：５２０２０４０密安徽理王大学硕壬学位论文半监督特征提取算法及其在人脸识别应用中的研究作者姓名：陈静逸专业名称：计算机科学与技术人脸识另！研究

2、方向ｒ］导师姓名：林玉娥副教授导师单位：安徽理王大学答辩委员会主席：王根南论文答辩日期：２０１６年６月４日安徽理工大学研究生处２０１６年６月７日ＡＤｉｓｓｅｒｔａｔｉｏｎｉｎｃｏｍｕｔｅｒｓｃｉｅｎｃｅａｎｄｔｅｃｈｎｏｌｏｇｙｐＲｅｓｅａｒｃｈｏｎＳｅｍ－ｉｓｕｅｒｖｉｓｅｄＬｅａｒｎｉｎｇａｎｄＩｔｓｐＡｐｐｌｉｃａｔｉｏｎｉｎＦａｃｅＲｅｃｏｇｎｉｔｉｏｎＣａｎｄｉｄａｔｅ：ＣｈｅｎＪｉｎｇｙｉＳｕｐｅｒｖｉｓｏｒ：ＬｉｎＹｕｅＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒ

3、ＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇＡｎｈｕｉＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＮｏ．１６８ＳｈｉｍｅｎＲｏａｄＨｕａｉｎａｎ，２３２００１，Ｐ．Ｒ．ＣＨＩＮＡ，ｇｇ，独创巧声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加Ｗ标注和致＾１）（外谢的地方，论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得安徽理工大学或其他教育化构的学位或证书而使用过的材料一。与我同工作的同志对本研究所做的任何贡献均己在论文中作了明

4、确的说明并表示谢意。、ｔ学位论文作者签名：巧邊日期：兴Ｍ年月日都＾＾７学位论文版权使用授权书本学位论文作者完全了解安徽理工大学有傑留、使用学位论文的规定，即：巧究生在校攻读学位期间论文工作的知识产权单位属于安徽理工大学。学校有权巧留并向国家有关部口或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权安徽理工大学可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索，可Ｌ乂采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书）＇、ｋ学位论文作者签名：巧看签字日期；年月日Ｉ。导师签名：签字日期

5、：）化年＾日了摘要摘要人脸识别的应用已经不再局限于安防，特别是近几年兴起、身份验证等领域的互联网金飄、智慧城市等都为人脸识别等生物特征识别技术提供了巨大的潜在市场。人脸自动识别系统主要包括两大部分：检测定位部分与特征提取部分。特一征提取作为人脸识别系统中关键的步，其抽取结果的好坏直接影响了后续的分类识别。特征提取的主要目的是降低样本维数，如何有效地从人脸图像中抽取并一。描述个体特征，是人脸识别研巧的关键问题之本文系统地介绍了目前具有代表性的人脸降维算法，包括经典的线性降维方法如主成分分析（ＰＣＡ）方法、线性判别分析（ＬＤＡ），

6、Ｗ及流形学习中的线性方法如局部保持投影（ＬＰＰ）等。在分析了上述方法各自优缺点并结合实际应用情况引出半监督降维方法，并Ｗ半监督判别分析（ＳＤＡ）为例详述了算法思想及步骤。在此基础上借鉴流形正则化提出一种正则化半监督判别分析算法。该算法通过构建所有样本的近邻图来估计数据的局部与非局部几何结构，然后将此作为正则项引入改ＬＤＡ的准则函数中一进的，最后最大化目标函数来获得组有效的分类投影轴。为了方便测试算法，本文最后实现了基于ＭＡＴＬＡＢ的人脸测试仿真系统，并给出了相关系统设计、部分模块的具体实现。本文的贡献主要有一：提出了种正则化半监督判别分析算

7、法，该方法通过重构类内、类间散度矩阵，强调了具有较小类间距的类并对类间距较大的类赋予惩罚，避免了有较小类间距的类重叠；在构造近邻图的过程中同时考虑了样本的局一，部和非局部几何结构，对分类产生了积极的影响且由于添加了正则项在定程度上解决了小样本问题该方法是半监督性质的，对比同类算法，在样本标签较：少的时候也表现出了很好的鲁棒性。最后在ＯＲＬ和ＹＡＬＥ人脸数据库上的实验结果证明了该算法具有较好的识别效果。－２４图１１表１６３［［参［１关键词：特征提取；半监督降维；半监督判别分析；流形正则化；