判別流形學(xué)習(xí)及人臉識(shí)別.pdf

1、流形學(xué)習(xí)技術(shù)比較直觀地挖掘出了隱藏在高維數(shù)據(jù)空間的內(nèi)在幾何結(jié)構(gòu)，已成為高維數(shù)據(jù)分析、模式識(shí)別、機(jī)器學(xué)習(xí)、文檔分析等領(lǐng)域的研究熱點(diǎn)。研究表明，基于流形學(xué)習(xí)的判別方法可以有效地提高人臉識(shí)別的性能，基于此，論文從判別流形學(xué)習(xí)技術(shù)入手，深入研究了基于圖論的圖像內(nèi)在幾何結(jié)構(gòu)描述、多樣性幾何結(jié)構(gòu)描述以及判別幾何結(jié)構(gòu)描述，重點(diǎn)研究了集成三種幾何結(jié)構(gòu)的人臉特征提取技術(shù)及識(shí)別，主要內(nèi)容和貢獻(xiàn)如下：
　　 第一，針對(duì)傳統(tǒng)的判別流形學(xué)習(xí)方法存在奇異值

2、問(wèn)題，局部差異信息無(wú)法保持等缺點(diǎn)，提出了魯棒局部判別嵌入(Stable Local Discriminant Embedding，SLDE)算法。SLDE定義了三個(gè)鄰接圖，分別為幾何鄰接圖、差異鄰接圖和邊界鄰接圖。其中幾何鄰接圖刻畫(huà)了圖像的內(nèi)在幾何結(jié)構(gòu)，度量了圖像的相似幾何關(guān)系；差異鄰接圖描述了圖像的多樣性幾何關(guān)系，而邊界鄰接圖描述了圖像的判別幾何結(jié)構(gòu)，刻畫(huà)了圖像的判別信息。在此基礎(chǔ)上，給出了度量圖像相似信息、差異信息和判別信息的三個(gè)離

3、散度，分別稱為相似離散度、差異離散度和邊界離散度。最后建立了一個(gè)簡(jiǎn)明、含義明確的特征提取準(zhǔn)則。該準(zhǔn)則通過(guò)最大化差異離散度和邊界離散度，同時(shí)最小化相似離散度尋找投影方向。和傳統(tǒng)判別流形學(xué)習(xí)方法相比，SLDE不僅較好的描述了類內(nèi)的緊致性，而且有效地保持了同類數(shù)據(jù)的多樣性屬性，提高了算法的魯棒性，且避免了過(guò)學(xué)習(xí)。此外，SLDE建立的特征提取準(zhǔn)則避免了矩陣求逆問(wèn)題，降低了計(jì)算的復(fù)雜度。實(shí)驗(yàn)結(jié)果證實(shí)了所提算法的有效性。
　　 第二，針對(duì)利

4、用SLDE識(shí)別圖像時(shí)需要把二維圖像轉(zhuǎn)換為一維向量而產(chǎn)生的小樣本問(wèn)題、計(jì)算復(fù)雜度高和圖像像素點(diǎn)之間的局部信息被破壞等缺點(diǎn)，提出了二維魯棒局部判別嵌入(Two-dimensional Stable Local Discriminant Embedding，2DSLDE)算法。2DSLDE直接從圖像矩陣估算圖像的相似離散度、差異離散度和邊界離散度，避免了將圖像矩陣轉(zhuǎn)換成圖像向量，有效地減輕了小樣本問(wèn)題的影響，降低了計(jì)算的復(fù)雜度。在此基礎(chǔ)上，通