...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Applied mathematics and computation >Feature extraction using two-dimensional local graph embedding based on maximum margin criterion
【24h】

Feature extraction using two-dimensional local graph embedding based on maximum margin criterion

机译：基于最大余量准则的二维局部图嵌入特征提取

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

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

摘要

In this paper, we propose a novel method for image feature extraction, namely the two-dimensional local graph embedding, which is based on maximum margin criterion and thus not necessary to convert the image matrix into high-dimensional image vector and directly avoid computing the inverse matrix in the discriminant criterion. This method directly learns the optimal projective vectors from 2D image matrices by simultaneously considering local graph embedding and maximum margin criterion. The proposed method avoids huge feature matrix problem in Eigenfaces, Fisherfaces, Laplacianfaces, maximum margin criterion (MMC) and inverse matrix in 2D Fisherfaces, 2D Laplacianfaces and 2D Local Graph Embedding Discriminant Analysis (2DLGEDA) so that computational time would be saved for feature extraction. Experimental results on the Yale and the USPS databases show the effectiveness of the proposed method under various experimental conditions.
机译：本文提出了一种新的图像特征提取方法，即二维局部图嵌入，该方法基于最大余量准则，因此不必将图像矩阵转换为高维图像向量，而直接避免计算判别准则中的逆矩阵。该方法通过同时考虑局部图嵌入和最大余量准则，直接从2D图像矩阵中学习最佳投影矢量。所提出的方法避免了特征面，Fisherfaces，Laplacianfaces，2D Fisherfaces，2D Laplacianfaces和2D局部图嵌入判别分析（2DLGEDA）中的最大特征量矩阵（MMC）和逆矩阵的巨大特征矩阵问题，从而节省了计算时间以提取特征。在Yale和USPS数据库上的实验结果表明了该方法在各种实验条件下的有效性。

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