基于流形學(xué)習(xí)的快速人臉識別方法研究.pdf

1、隨著計算機技術(shù)的飛速發(fā)展和社會公共安全需要的日益增長,身份識別受到極大的重視,作為典型的生物特征識別的人臉識別也逐漸成為研究熱點之一。盡管線性子空間方法在人臉識別中已經(jīng)取得了極大的成功,但是研究表明人臉圖像很可能是分布在一個嵌入到高維圖像空間的低維非線性子流形上,且人臉識別往往是高維小樣本問題,在小的樣本集訓(xùn)練得到的子空間分類器效果不是很好。本文以流形學(xué)習(xí)為基礎(chǔ),對非參數(shù)核流形學(xué)習(xí)降維方法、半監(jiān)督流形正則化分類方法進行深入的研究。

2、>　　本文主要進行了以下研究工作:
　　(1)研究基于非參數(shù)核譜回歸的降維方法
　　通過對流形學(xué)習(xí)相關(guān)理論和技術(shù)在特征提取中的研究,針對圖嵌入核擴展方法中的核函數(shù)的選擇和構(gòu)造影響著方法的性能,且流形學(xué)習(xí)降維通常需要涉及計算時間、空間復(fù)雜度高的稠密矩陣的特征分解問題。本文基于流形學(xué)習(xí)圖嵌入降維框架,引入非參數(shù)核學(xué)習(xí)和譜回歸方法,提出基于非參數(shù)核譜回歸的降維方法,有效避免了針對特定問題核函數(shù)選擇和構(gòu)造難題,具有高效性和可擴展性。

3、
　　(2)研究基于半監(jiān)督流形正則化的極速學(xué)習(xí)機方法
　　針對基于核的半監(jiān)督學(xué)習(xí)方法具有高計算復(fù)雜度,結(jié)合流形正則化和成對約束信息,以及快速學(xué)習(xí)能力的極速學(xué)習(xí)機方法,提出一種新的基于半監(jiān)督流形正則化的極速學(xué)習(xí)機算法,提供了傳統(tǒng)的半監(jiān)督方法的一種近似方法,不僅適用到半監(jiān)督的情況,而且其決策函數(shù)的形式適用于大規(guī)模的學(xué)習(xí)任務(wù),在真實數(shù)據(jù)集上的實驗結(jié)果驗證了所提出算法的有效性。
　　(3)設(shè)計并實現(xiàn)基于流形學(xué)習(xí)的人臉識別原型系