张量典型相关分析及其在人脸识别中的应用.pdfVIP

第41 卷 第3 期 电 子 科 技 大 学 学 报 Vol.41 No.3 20 12年5月 Journal of University of Electronic Science and Technology of China May 20 12 张量典型相关分析及其在人脸识别中的应用 1 2 2 2 雷 刚 ，蒲亦菲 ，张卫华 ，周激流 (1. 四川师范大学可视化计算与虚拟现实四川省重点实验室 成都 610068; 2. 四川大学计算机学院 成都 610064) 【摘要】针对源数据向量化常导致很高的数据维数，易使向量型学习算法陷入维数灾难和样本个数远小于特征维数的小 样本问题，提出了一种新的张量典型相关分析算法，能直接对张量数据进行典型相关分析，由于其特征值分解的协方差矩阵 维数大幅度减少，能有效降低计算复杂度和协方差矩阵奇异的问题。在Yale 、ORL人脸数据库上验证了本文方法的有效性。 关 键 词 维数约减; 特征融合; 高阶特征值分解; 多线性分析 中图分类号 TP391.41 文献标识码 A doi:10.3969/j.issn.1001-0548.2012.03.022 Tensor Correlation Analysis and Its Application to Face Recognition 1 2 2 2 LEI Gang , PU Yi-fei , ZHANG Wei-hua , and ZHOU Ji-liu (1. Visual Computing and Visual Reality Key Laboratory of Sichuan Province, Sichuan Normal University Chengdu 610068; 2. College of Computer Science, Sichuan University Chengdu 610064) Abstract In the real world many data sources exist in the form of tensor, so the learning algorithm based on tensor space can describe the semantic information of data sources better. This paper presents a new tensor correlation analysis algorithm, with which we can directly analyze the tensor data. Because of the large reduction of the dimension of eigenvalue decomposition covariance matrix, the algorithm can effectively reduce the computing complexity and avoid the covariance matrix singular problem. The effectiveness of this method can be proved at YALE, ORL face database. Key words dimension reduction; feature fusion; high-order eigenvalue decom