学位论文 > 优秀研究生学位论文题录展示
基于G-LSDA的人脸识别研究
作 者: 时愈
导 师: 李红
学 校: 华中科技大学
专 业: 计算数学
关键词: 流形学习 维数约减 LSDA 相似性度量 测地距离 G-LSDA 人脸识别 核LSDA
分类号: TP391.41
类 型: 硕士论文
年 份: 2009年
下 载: 29次
引 用: 0次
阅 读: 论文下载
内容摘要
在数据挖掘和机器学习中,海量高维数据的处理常常导致维数灾难,给数据分析和处理带来了很大的不便。流形学习的方法能够找到嵌入高维数据空间中的低维子流形,从而使得维数大幅约减,并且保留了重要的信息。因此从信息的角度看,流形学习是特征提取的重要手段之一。在理论和应用方面,流形学习虽然取得了巨大的成就,但仍有很大发展的空间,特别是在监督流形学习方法的理论和应用方面。监督流形学习方法的讨论热点往往是类别的标签信息重要还是局部流形结构重要的问题。Locality Sensitive Discriminant Analysis[1](局部敏感性判别分析法,简称LSDA),利用了标签信息并很好的保留了局部流形结构。本文在监督流形学习方法LSDA的基础上,提出新的流形学习方法Globality-Locality Sensitive Discriminant Analysis(全局-局部敏感性分析法,简称G-LSDA),旨在保留LSDA方法优点的同时又较好的反映了全局的流形结构。主要工作包括以下几个方面:首先,LSDA是基于Euclidean Distance(欧氏距离)的方法,然而如果邻域过大,采用欧氏距离,会使得流形上数据点之间的真正近邻关系被破坏。因此考虑采用其它相似性度量来代替欧氏距离,本文采用测地距离代替欧氏距离,在一定程度上避免了这种情况。其次,LSDA是局部的流形学习方法,G-LSDA是在LSDA基础上的全局的流形学习方法,全局性体现在两个方面,一是保留了类内局部流形结构,使得类与类之间流形结构全局化。二是整个流形结构全局化。对于极少train(训练)样本,属于同类的数据点映射后在尽可能靠得近的同时保持原数据点的几何性质,属于不同类别的数据点映射后在尽可能离得远的同时保持原数据点的几何性质。鉴于G-LSDA是线性的流形学习方法,本文又提出核G-LSDA,目的是发掘高维非线性流形的内在几何结构。本文将G-LSDA应用到人脸识别中,实验结果表明比LSDA有更好的识别效果。
|
全文目录
摘要 4-5 Abstract 5-9 1 绪论 9-15 1.1 流形学习的理论和应用 9-12 1.2 流形学习的发展现状和前景 12-14 1.3 本文的主要工作和安排 14-15 2 无监督流形学习方法简介 15-22 2.1 主成分分析法 15-16 2.2 局部切空间排列法 16 2.3 多维尺度分析法 16-17 2.4 等距映射法 17-18 2.5 局部保持映射法 18-19 2.6 局部线性嵌入法 19-20 2.7 小结 20-22 3 监督流形学习方法简介 22-27 3.1 线性判别法 22-23 3.2 Fisher 脸 23 3.3 边界 fisher 分析法 23-24 3.4 局部敏感性判别分析法 24-26 3.5 小结 26-27 4 相似性度量 27-33 4.1 马氏距离 28 4.2 豪斯多夫距离 28-29 4.3 测地距离 29-30 4.4 图像欧氏距离 30-31 4.5 实验与分析 31-33 5 全局-局部敏感性判别分析法 33-44 5.1 全局-局部敏感性判别分析法 33-37 5.2 核全局-局部敏感性判别分析法 37-39 5.3 内在维数的估计 39-41 5.4 实验与分析 41-44 6 总结与展望 44-45 致谢 45-46 参考文献 46-50
|
相似论文
- 基于流形学习的高维流场数据分类研究,V231.3
- 2D人脸模板保护算法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 基于流形学习的数据降维技术研究,TP311.13
- 基于加权投票和关键帧提取的视频流人脸识别方法研究,TP391.41
- 基于差分演化的人脸识别方法研究,TP391.41
- 基于局部优化投影的人脸识别方法研究,TP391.41
- 数据流聚类算法研究,TP311.13
- 流形学习中样本点稀疏问题的研究,TP391.41
- 基于动态模糊关系的深层结构学习算法研究,TP181
- 基于模糊区分矩阵的区间信息系统属性约简,O159
- 基于伪Zernike矩和BP网络的人脸识别算法研究,TP391.41
- 基于神经树的人脸识别方法研究,TP391.41
- 基于AdaBoost算法的人脸识别研究,TP391.41
- 遗传算法在PCA人脸识别算法中的应用研究,TP391.41
- 基于Gabor和SVM的光照鲁棒人脸识别算法研究,TP391.41
- 面向区域成矿预测的案例推理方法研究,P612
- 基于MMTD的人脸识别方法研究,TP391.41
- 基于学习的视频超分辨率重建算法研究及实现,TP391.41
- 分子三次、分母二次有理样条权函数神经网络研究及应用,TP183
- 人脸识别中的光照问题研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|