基于判別稀疏局部保持投影的圖像識別.pdf

1、流形學(xué)習(xí)理論較好的刻畫了高維數(shù)據(jù)的內(nèi)在幾何結(jié)構(gòu)，已被廣泛的應(yīng)用到圖像識別、文檔聚類、圖像檢索等領(lǐng)域。其中局部保持投影算法(Locality Preserving Projection,LPP)是典型的線性流形學(xué)習(xí)算法。然而LPP的性能依賴兩個參數(shù)k和t導(dǎo)致算法不夠自適應(yīng)，而且通過計算樣本間歐氏距離構(gòu)造的鄰域圖對于樣本噪聲非常敏感，鄰域圖很容易受到噪聲的影響而發(fā)生改變。稀疏描述可以很好的反映數(shù)據(jù)的內(nèi)在幾何結(jié)構(gòu)，借助稀疏表示理論，通過使用L

2、1范數(shù)方法求解稀疏表示的最優(yōu)解，利用解出的系數(shù)構(gòu)造數(shù)據(jù)權(quán)重矩陣來表示數(shù)據(jù)間的內(nèi)部結(jié)構(gòu)關(guān)系，提出稀疏局部保持投影（sparsity preserving projections，SPP）。SPP算法使用稀疏表示思想，使得算法對于樣本噪聲影響因素是魯棒的，同時對構(gòu)造鄰域圖的參數(shù)選擇也是自適應(yīng)的，因此算法更容易在實(shí)際中得到應(yīng)用。本文在PIE庫和FERET庫上進(jìn)行實(shí)驗(yàn)仿真，驗(yàn)證了算法的有效性。但SPP算法忽略了樣本的類別信息，導(dǎo)致算法性能還有欠