基于半监督流形学习的人脸识别方法.pdfVIP

计算机科学2008Vo1．35No．12 基于半监督流形学习的人脸识别方法*) 黄 鸿 李见为 冯海亮 (重庆大学光电技术及系统教育部重点实验室 重庆400030) 摘 要 如何有效地将流形学习(Manifoldlearning，ML)和半监督学习(Semi-supervisedlearning，SSL)方法进行结合是 近年来模式识别和机器学习领域研究的热点问题。提 出一种基于半监督流形学习(Semi-supervisedmanifoldlearning， SSML)的人脸识别方法，它在部分有标签信息的人脸数据的情况下，通过利用人脸数据本身的非线性流形结构信息和部 分标签信息来调整点与点之间的距离形成距离矩阵，而后基于被调整的距离矩阵进行线性近邻重建来实现维数约简，提 取低维鉴别特征用于人脸识别。基于公开的人脸数据库上的实验结果表明，该方法能有效地提高人脸识别的性能。 关键词 流形学习，半监督学习，局部线性嵌入 ，维数约简，人脸识别 FaceRecognitionBasedonSemi-supervisde M anifold~ arning HUANG Hong LIJian-wei FENG Hai-liang (KeyLab．OnOpto-ElectronicTechniqueofStateEducationMinistryofChina，ChongqingUniversity，Chongqing400030，China) Abstract Recently，manifoldlearningandsemi—supervisedlearningaretwohottopicsinthefieldofmachinelearning． However，thereareonlyafew researchesonhow tOincorporatesemi—supervisedlearningandmanifoldlearning，espe— ciallyforfacerecognition．Anew semi—-supervisedmanifoldlearningforfacerecognitionwasproposeThismethodre—- 1iesonthedistancematrixofrmedbybothlabeledandunlabeledsamples，andthenthelocallinearembedding (LLE) methodwasusedtoextractdiscriminativemanifoldfeaturesaccordingtothemodifieddistancematrix．Theproposed methodproducesbetterclassificationperformancewhichcapturestheintrinsicmanifoldstructurecollectivelyrevealed bylabeledandunlabeledsamples．Experimentalresultsonpublicfacedatabasesshow thattheproposedmethodcanirr卜 provesfaceclassificationperofrmanceeffectively． Keywords Manifoldlearning，Semi-supervisedlearning，Locallinearembedding(LLE)，Dimensionalityreduction，Face recognition 和拉普拉斯本征映射(1aplacianeigenmaps，LE)E]等。针对这 1 前言 些算法都是非监督的学习算法，出现了监督流形学习方法_7]， 人脸识别是模式识别研究领域的重要课题，可描述为：给 在保留人脸局部流形结构的同时引入样本类别信息，取得不 定一个静止或视频图像 ，利用 已有的人脸数据库来确认图像 错的