大间隔原则的双边2DPCA在人脸识别中的应用
二维主成分分析(2DPCA)是直接处理二维图像的一种投影技术,在数据降维、人脸识另领域得到了广泛的应用.双边2DPCA(B2DPCA)通过左右分别乘以某个投影矩阵解决了2DPCA只能处理行空间的不足,然而在处理人脸识别等分类问题时,B2DPCA不能保证所求出的特征矩阵最适合分类.针对这个问题,利用大间隔原则,提出了大间隔原则下的双边2DPCA模型(LBPCA),整个模型可以看作是具有一个隐藏层的浅层网络的特征学习,从而,求解的过程可以看作是反向微调.通过交替迭代优化此问题,在ORL人脸识别数据库上进行了实验.实验结果证明该模型能够显著提高识别的正确率,且稳定性也比较高.
人脸识别 大间隔原则 双边二维主成分分析模型 正确率
游山 焦振宇 许超
北京大学机器感知与智能教育部重点实验室,北京100871
国内会议
北京
中文
342-345
2015-10-01（万方平台首次上网日期，不代表论文的发表时间）