贝叶斯判决规则下的相似性度量.pdfVIP

总第 期 第 期 测绘科技情报 72 3 贝叶斯判决规则下的相似性度量 管海燕编译 摘 要 本文首先说明了白化余弦相似性度量与某种假设下的贝叶斯判决有关，然后提出了两个新的 相似性度量方法：PRM 白化余弦（PWC）相似性度量和类内白化余弦（WWW）相似性度量。在（FRGC） 第二版数据库上做人脸识别实验的结果说明了新度量方法的有效性。 关键词 相似度；贝叶斯判决；PRM 白化余弦（PWC）相似性度量；白化余弦相似性度量；类内白化余弦 （WWC）相似性度量 相似性度量在模式识别和计算机视觉中 经观测，第四个假设加上前三个假设可以 扮演这重要的角色。大规模的实验说明白化 得到更好的分类器——白化余弦相似性度量 余弦相似性度量在模式识别中的良好性能。 的分类器——启发我们探索新的相似性度量 例如，最近的人脸识别挑战（FRGC）项目要求 准则以增强模式识别性能。因此，我们决定保 用一些基本的算法解决难度较高的人脸识别 留第四个假设，因为它可以改善模式分类器的 问题（P.J.Philips 等的研究）。在FRGC 中，首 分类能力，但是我们需要调整第三个假设，因 先用主成分分析（PCA）优化问题，然后用白化 为它模糊了贝叶斯判决准则中类别之间的信 余弦相似度度量作为最近邻分类器（如J.R.Be- 息。将类别之间的信息纳入白化余弦相似性 veridge ，P.J.Philips，M.Turk 等都使用过这种方 度量，我们可以得到另两个新的相似性度量准 法）。 则：一个是PRM 白化余弦相似性度量（PWC）， 本文说明了白化余弦相似度量与某些特 另一个是类内白化余弦（WWC）相似性度量。 定假设下的最小误差贝叶斯判决规则有关。 我们应用人脸识别实验来评估提出的两 下面4 个假设就可以将贝叶斯判决准则转化 个新相似性度量方法和其他常用的相似性度 白化余弦相似度判决准则： 量方法性能。人脸识别在模式识别和计算机 1. 所有类的条件概率密度函数都是多变 视觉中是很重要的研究领域。它主要在人机 量的高斯函数。 交互，安全和娱乐等领域有重要的应用。我们 2. 所有类的先验概率都相等。 使用的是FRGC 第二版数据库（P.J.Philips 等 3. 所有类的协方差矩阵等于所有样本的 使用的）。FRGC 基本算法显示FRGC 实验4 协方差矩阵，与样本所属的类别无关。 是FRGC 问题中最有挑战性的。其中包括了 4. 在贝叶斯判决规则中经过白化的模式 控制的单一静止图像和没有控制的单一静止 矢量被单位化为1。 图像。因此，我们只用FRGC 实验4 来评价我 其中，如果只有前三条满足，那么贝叶斯 们的相似性度量算法。实验结果显示，我们提 判决规则成为马氏距离判决规则。在模式识 出的两个新的相似性度量算法，WWC 和PWC 别中马氏判决规则的性能没有白化余弦相似 相似性度量算法，比其他的相似性度量算法如 性判决规则好。