资源描述：
《核正交判别局部正切空间对齐算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第26卷第7期模式识别与人工智能Vol.26No.72013年7月PR&AIJul2013∗核正交判别局部正切空间对齐算法郑刚民夏苏娜马媛媛马小虎(苏州大学计算机科学与技术学院苏州215006)摘要针对现有的局部正切空间算法中存在的问题,文中提出一种基于核变换的特征提取方法———核正交判别局部正切空间对齐算法(KOTSDA).该算法首先利用核方法将人脸图像投影到一个高维非线性空间,提取其非线性信息;然后在目标函数中利用正切空间判别分析算法在保持样本的类内局部几何结构的同时最大化类间差异;最后添加正交约束,得到核正交判别局部正切空间对齐算法.该算法不需
2、要经过PCA降维,有效避免判别信息的丢失,在ORL和Yale人脸库上的实验验证算法有效性.关键词特征提取,局部正切空间对齐,核空间,流形学习中图法分类号TP391.4KernelOrthogonalDiscriminantLocalTangentSpaceAlignmentAlgorithmZHENGGang-Min,XIASu-Na,MAYuan-Yuan,MAXiao-Hu(SchoolofComputerScienceandTechnology,SoochowUniversity,Suzhou215006)ABSTRACTToaddressth
3、edrawbacksofthelocaltangentspacealignmentalgorithm,afeatureextractionmethodbasedonkerneltransformation,kernelorthogonaldiscriminantlocaltangentspacealignmentalgorithm(KOTSDA),isproposed.Firstly,thekernelmappingisperformedtomapthefacedataintoahighdimensionalnonlinearspaceandextr
4、actthenonlinearinformation.Then,tangentspacediscriminantanalysisalgorithmisusedtopreservetheintra-classlocalgeometricstructuresandsimultaneouslymaximizetheinter-classdifferenceintargetfunction.Finally,KOTSDAisobtainedwithorthogonalconstraints.Iteffectivelyavoidslosingdiscrimina
5、ntinformationwhichdoesnotneedtopreprocessbyPCAdimensionalreduction.TheexperimentsonORLandYalefacedatabasesdemonstratetheeffectivenessoftheproposedalgorithm.KeyWordsFeatureExtraction,LocalTangentSpaceAlignment,KernelSpace,ManifoldLearning∗国家自然科学基金资助项目(No.61272258)收稿日期:2012-07-03
6、;修回日期:2013-01-05作者简介郑刚民,男,1987年生,硕士研究生,主要研究方向为模式识别、图像处理.E-mail:20104227036@suda.edu.cn.夏苏娜,女,1988年生,硕士研究生,主要研究方向为模式识别、图像处理.马媛媛,女,1988年生,硕士研究生,主要研究方向为模式识别、图像处理.马小虎(通讯作者),男,1964年生,教授,主要研究方向为模式识别、图像处理、计算机图形学.E-mail:xhma@suda.edu.cn.674模式识别与人工智能26卷[12]1引言tion,KSRC)等.通过核方法提取数据中的非线性信
7、息,并将其投影到一个高维的非线性空间,然后进行特征提取.但到目前为止,还没有人提出基于近年来,基于流形的特征提取算法在模式识别LTSA的核方法.本文受TSDA及核方法启发,提出领域受到人们的极大关注,研究人员相继提出包括[1]一种新的监督流形学习算法———核正交判别局部正局部线性嵌入(LocallyLinearEmbedding,LLE)、[2]切空间对齐算法(KernetOrthogonalDiscriminantLocal拉普拉斯特征映射(LaplacianEigenmaps,LE)、TangentSpaceAlignmentAlgorithm,
8、KOTSDA).与局部正切空间对齐(LocalTangentSpaceAlignment,[3]TSDA相比
