拉普拉斯脸贝叶斯优化算法及其N维空间扩展.pdfVIP

拉普拉斯脸的贝叶斯优化算法及其N维空间扩展 论文题目：拉普拉斯脸的贝叶斯优化算法及其N维空间扩展 专 业：计算机软件与理论 硕士生：杨文新 指导教师：印鉴教授 摘要 线性辨别分析算法在目标识别、图像降维和特征抽取上已经得到了广泛的应 用。近些年来，国内外的许多学者将特征抽取和模式识别的研究重点放在了流形 学习领域，希望通过在目标空间中保留更多的关于原始空间的局部流形信息来实 现特征抽取和降维的目的。拉普拉斯脸算法是其中一种比较典型的流形学习算 法，它通过引入拉普拉斯算子来保留原始空间上的局部流形信息，并通过离散截 断的算法进行求解。最近，很多学者试图将局部流形学习算法与传统的线性辨别 分析算法相结合，提出了拉普拉斯主成份分析算法和拉普拉斯线性辨别分析算 法。 然而，拉普拉斯脸算法本身具有一定的局限性。首先，它是一种对于局部流 形信息的近似算法，加权方差累加的过程在一定程度上默认了局部信息的线性特 性。其次，拉普拉斯脸算法所引入的拉普拉斯算子需要在运算的时候做一个非连 续的截断，经验性的截断判别准则势必对算法的整体效果产生负面影响。基于以 上两点考虑，本文提出了一种拉普拉斯脸算法的贝叶斯优化方法，它并不是通过 线性累加来计算加权因子对流形特征的影响的，而是通过引入积累分布函数来精 确地求得拉普拉斯脸算法的一维贝叶斯最优解，之后，通过对空空间的映射将这 一维最优解扩展到N维空间上。实验结果表明，贝叶斯优化的拉普拉斯脸算法较 之经典的拉普拉斯算法具有更高的识别效率。 关键词：模式识别、特征抽取、拉普拉斯脸、贝叶斯优化、空空间 5 拉普拉斯脸的贝卧斯优化算法及其N维空闻扩展 Title： for Onedimensionalsolution andits Bayes Laplacianfaces N—dimensional expansion Softwareand Major： Computer Theory Name： Wenxin Yang Ym Supervisor：Prof．Jian Abstract in with of Lineardiscriminantis theissues analysiswidelyaccepteddealing extractionanddimension ofthe patternrecognition,feature reduction．Recently,most researcherstook ontheareaofmanifold when feature emphasis learningperforming isan manifold extraction．Laplacianfacestypical learningalgorithm，whichpreserves moremanifold information the byemployingLaplacian lineartruncationisintroducedforan triesto appropriatesolution．Nowadays