山东省自然科学基金(ZR2010FL011)
- 作品数：4 被引量：7H指数：2
- 相关作者：相文楠赵建立周书锋陈杰郭文彬更多>>
- 相关机构：聊城大学更多>>
- 发文基金：山东省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 监督型稀疏保持投影被引量：4
- 2011年
- 稀疏保持投影(SPP)是最近提出的一种无监督降维方法,因此无法利用标号数据提供的监督信息。为此,对SPP进行了扩展,给出了两种监督型稀疏保持投影算法:基于稀疏保持的判别分析(SPP+LDA)和监督稀疏保持投影(S2PP)。前者通过在SPP变换的子空间内进行线性判别分析(LDA)达到利用数据间稀疏重建关系和监督信息的目的;后者借助数据标号直接修正SPP构建的稀疏重建图在SPP中自然地融入监督信息。分析了两种算法的优缺点,在两个常用的人脸数据集(Yale和AR)上验证了两者的可行性及有效性。
- 相文楠赵建立
- 关键词：线性判别分析降维人脸识别
- 判别正则化谱回归
- 2011年
- 谱回归(SR)算法是一种正则化的降维方法,通过学习获得回归框架下的嵌入函数,使其避免了稠密矩阵分解的问题.但是在谱回归的构图中,更加关注于类内信息,而忽视了很重要的类间信息.为此,提出一种新的降维算法——判别正则化谱回归(DRSR).它将数据集的判别信息和流行结构同时嵌入到正则项的构造中,期望使输出结果即保持同类样本间的内在邻近关系,同时又能将不同类的近邻样本尽可能分得开.最后,分析了这种算法的优缺点,并在两个常用的数据集(Yale和wine)上验证了算法的可行性及有效性.
- 相文楠赵建立
- 关键词：降维正则化技术
- 基于谱技巧稀疏保持判别分析(英文)
- 2012年
- 稀疏保持判别分析(SPDA)是一种新型的基于图的半监督降维(SSDR)方法,近年来已被成功应用于解决诸多实际问题(如人脸识别).SPDA基于数据的稀疏重构关系建图,由于稀疏的特性,从而包含自然的判别信息.然而,在SPDA计算中涉及到稠密矩阵的特征分解从而导致在存储和记忆方面会耗费大量时间,为此,我们提出了一种新的SSDR算法-基于谱技巧稀疏保持判别分析(SSPDA),该方法将稀疏表示与谱技巧结合在一起.具体地,首先把投影函数的计算转化为一个回归类优化问题,然后借助岭回归技巧得到投影方向向量,从而有效的避免了稠密矩阵的特征分解问题.在两个单标号人脸数据上的实验结果表明了该算法的有效性.
- 闫雪梅张丽梅郭文彬
- 关键词：岭回归降维人脸识别
