• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>2017 International Conference on Security, Pattern Analysis, and Cybernetics >Exponential neighborhood preserving discriminant embedding for face recognition
【24h】

Exponential neighborhood preserving discriminant embedding for face recognition

机译：指数邻域保留判别嵌入用于人脸识别

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

As a manifold reduced dimensionality technique, neighborhood preserving discriminant embedding (NPDE) was proposed recently. But in most cases, NPDE has the so-called small-sample-size (SSS) problem. To address this problem, an exponential neighborhood preserving discriminant embedding (ENPDE) method is proposed in this paper. The main idea of ENPDE is that the matrix exponential is introduced to NPDE. ENPDE has two superiorities. Firstly, ENPDE avoids the SSS problem. Secondly, ENPDE has an effect to enlarge the distance between samples belonging to different classes in the neighborhood, and then the discrimination property is emphasized. The experiments are made on CMU-PIE and AR face databases, and ENPDE is compared with the PCA, LDA, EDA and NPDE methods. The experiment results show that, ENPDE is an efficient method and shows advantageous performance over the above methods.
机译：作为多方面的降维技术，最近提出了邻域保留判别嵌入（NPDE）。但是在大多数情况下，NPDE都有所谓的小样本大小（SSS）问题。为了解决这个问题，本文提出了一种指数邻域保留判别嵌入（ENPDE）方法。 ENPDE的主要思想是将矩阵指数引入NPDE。 ENPDE有两个优势。首先，ENPDE避免了SSS问题。其次，ENPDE具有扩大邻域中属于不同类别的样本之间的距离的作用，然后强调了鉴别属性。实验是在CMU-PIE和AR人脸数据库上进行的，并将ENPDE与PCA，LDA，EDA和NPDE方法进行了比较。实验结果表明，ENPDE是一种有效的方法，与上述方法相比具有优越的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号