首页> 中文学位 >基于最大间隔结构保持投影与稀疏表示的人脸识别
【6h】

基于最大间隔结构保持投影与稀疏表示的人脸识别

代理获取

目录

封面

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景和意义

1.2 生物特征识别技术简介

1.3 人脸识别的研究现状

1.4 本文主要的工作

第二章 流形学习理论

2.1 流形学习的产生及发展

2.2 流形学习方法的分类

2.3 非线性流形学习算法简介

2.4 本章实验结果

2.5 本章小结

第三章 稀疏分类器在人脸识别中的应用

3.1 引言

3.2 稀疏表示理论

3.3 稀疏表示

3.4 基于稀疏表示的人脸图像识别

3.5 实验结果

3.6 本章小结

第四章 最大间隔结构保持投影算法

4.1 引言

4.2 最大间隔保持投影(MMSPP)算法特点

4.3 最大间隔保持投影算法

4.4 实验结果及分析

4.5 基于MMSPP算法的人脸识别系统GUI实现

4.6 本章小结

第五章 总结和展望

5.1 总结

5.2 展望

参考文献

致谢

个人简历

攻读硕士学位期间发表论文

展开▼

摘要

21世纪高速信息化时代的到来,极大丰富了大众获取各种数据的渠道,加上硬件研发速度和软件开发速度的并驾齐驱,使得我们获取的信息都明显的呈现出一种高画质、高清的大容量高维度的特点,进而导致“维数灾难”。在这种大环境下,流形学习与稀疏表示算法应运而生,该算法理论旨在解决高维非线性数据的降维,为复杂高维数据的处理提供了重要参考。近年来,众多学者将上述方法广泛应用到了数据挖掘,机器学习等领域。
  本文在前人对流形学习降维方法和稀疏表示的研究成果上,对稀疏表示分类器和流形学习算法进行了深入研究,并提出了若干改进措施,并将所提算法用于人脸识别系统设计,通过大量的实验分析论证表明了算法的有效性。论文的主要工作如下:
  1、对经典的一些线性和非线性数据降维方法进行了分析比较,为最大间隔结构保持投影算法的提出打下基础。
  2、提出了最大间隔结构保持投影算法(Maxmum Margin Structure Preserve Projection)。该方法具有如下特点:(1)对人脸图像进行子模式结构划分,将非线性高维数据的局部和全局结构融合起来;(2)通过LPP使得来自于同一张人脸图片的各子模式结构保持不变;(3)通过引入NPE保持不同图像处于相同位置的子模式全局结构不变;(4)引入了有监督学习准则MMC,使得该算法能有效利用训练样本类别信息;(5)在目标函数中引入了正交化约束条件,去除变换矩阵各特征向量之间的相关性,使得变换矩阵满足正交性,有利于提高识别率。
  3、对本文提出的MMSPP算法中邻域图构建策略进行探讨,利用一种改进的测地线与欧氏距离相结合的距离度量方式取代了仅仅依靠欧氏距离构建邻域图,这种改进能够较好的解决欧氏邻域图面临的“短路边”和“孤立边”,使得构建的邻域图更加合理。
  4、改进了稀疏表示分类器(Sparse Representation Classier)。分别以普通流形学习算法和本文MMSPP算法作为维数约简方法,将多数投票机制和SRC相结合,完成识别。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

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