基于最大边界准则的稀疏局部嵌入特征提取方法.pdfVIP

第34卷第5期 计算机应用研究 V01．34No．5 2017年5月 Researchof 2017 Application Computers May 基于最大边界准则的稀疏局部嵌入特征提取方法木 刘毛溪18’¨，万鸣华h’2…，孙成立¨，王巧丽1，仆 (1．南昌航空大学a．江西省图像处理与模式识别重点实验室；b．信息工程学院，南昌330000；2．南京理工大 学高维信息智能感知与系统教育部重点实验室，南京210094；3．南京晓庄学院可信云计算与大数据分析重 点实验室，南京211171) 摘要：针对局部线性嵌入算法(LLE)无法利用样本的鉴别信息，最大边界准则算法(MMC)对非线性数据处 理能力较弱的不足，提出一种基于最大间距准则的稀疏局部嵌入(SLE／MMC)特征提取算法。在保持局部近邻 的前提下，首先在类内紧致图中使同类样本尽可能地聚集在一起；然后在类间惩罚图中使不同类别的样本尽可 能分离；最后使用弹性网回归算法得到一个最优的稀疏投影矩阵。为了避免小样本问题，采用MMC的形式构造 SLE／MMC具有更高的识别率，表明该方法具有更高效的特征提取能力。 关键词：特征提取；局部线性嵌入；最大边界准则：弹性网回归 中图分类号：TP391．41文献标志码：A 文章编号：1001—3695(2017)05．1560．05 doi：10．3969／j．issn．1001．3695．2017．05．063 local featureextractionmethodbasedonmaximun3criterion Sparse embedding margin Liu Maoxi…“，WanMinghual8·2…，Sun Qiaolil·” Chengli“，Wang Province (1．n．KeyLaboratoryofJiangxi forImageProcessing＆PatternRecognition．b．CollegeofInformation HangkongUniversity，Nanchang330000，China；2．KeyLaboratoryofInteUigentPerception＆SystemsforHigh—DimensionalInformationof Ministry Cloud ofEducation，Na面ngUniversityofScience＆Technology，Nanjing210094，China；3．KeyLaboratoryofTrusted Computing Data 211 ＆Big Anabsis，NanjingXiaozhuangUniversity，Na叫ng171，China) locallinear unabletotake ofthediserimination Abstract：The informationofthe and embedding