基于局部和非局部散度理论的一种新的特征提取方法

摘要：

本文提出一种新的无监督的鉴别投影方法。这种新的方法是基于样本的局部和非局部统计量而建立的线性映射，它的鉴别准则是通过特征矢量的非局部散度与局部散度的差来刻画的，其目的是寻求一组投影轴使得投影后的样本特征矢量的非局部散度最大化，同时也使得局部散度最小化。通过在ORL人脸库和AR人脸库上进行实验，结果表明本文提出的新方法在识别率方面整体上好于局部保持投影(LcalityPreservingProjection，LPP)和无监督鉴别投影(Unsupervised Discriminant Proiection，UDP)，甚至超过常用的Fisher线性鉴别分析。

关键词： 流形学习 局部散度 非局部散度 特征提取 人脸识别

作者: 李勇智 杨静宇 毛洪贲

作者单位: 南京林业大学信息科学技术学院，南京210037 南京理工大学计算机系，南京210094 南京理工大学计算机系，南京210094 南京林业大学信息科学技术学院，南京210037

会议类型: 国内会议

会议名称: 第27届中国控制会议

会议地点: 昆明

会议语种:中文

页码: 436-440

在线出版日期: 2008-07-01（万方平台首次上网日期，不代表论文的发表时间）