• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>SIBGRAPI Conference on Graphics, Patterns and Images >Ranking Principal Components in Face Spaces through AdaBoost.M2 Linear Ensemble
【24h】

Ranking Principal Components in Face Spaces through AdaBoost.M2 Linear Ensemble

机译：通过AdaBoost.M2线性集成对面部空间中的主要组件进行排名

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Despite the success of Principal Component Analysis (PCA) for dimensionality reduction, it is known that its most expressive components do not necessarily represent important discriminant features for pattern recognition. In this paper, the problem of ranking PCA components, computed from multi-class databases, is addressed by building multiple linear learners that are combined through the AdaBoost.M2 in order to determine the discriminant contribution of each PCA feature. In our implementation, each learner is a weakened version of a linear support vector machine (SVM). The strong learner built by the ensemble technique is processed following a strategy to get the global discriminant vector to sort PCA components according to their relevance for classification tasks. Also, we show how the proposed methodology to compute the global discriminant vector can be applied to other multi-class approaches, like the linear discriminant analysis (LDA). In the computational experiments we compare the obtained approaches with counterpart ones using facial expression experiments. Our experimental results have shown that the principal components selected by the proposed technique allows higher recognition rates using less linear features.
机译：尽管主成分分析（PCA）在减少维数方面取得了成功，但众所周知，其最富表现力的成分并不一定代表模式识别的重要判别特征。在本文中，通过建立通过AdaBoost.M2组合的多个线性学习器来确定从多类数据库计算出的PCA组件的排名问题，以确定每个PCA功能的区别性贡献。在我们的实现中，每个学习者都是线性支持向量机（SVM）的弱化版本。由集成技术构建的强大学习者将按照以下策略进行处理：获得全局判别向量，以根据PCA组件与分类任务的相关性对PCA组件进行排序。此外，我们展示了如何将提议的计算全局判别向量的方法应用于其他多类方法，例如线性判别分析（LDA）。在计算实验中，我们使用面部表情实验将获得的方法与对应方法进行了比较。我们的实验结果表明，通过提出的技术选择的主要成分可以使用较少的线性特征实现较高的识别率。

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