基于最大边界准则的稀疏局部嵌入特征提取方法-计算机应用研究.PDF

第３４卷第５期 计 算 机 应 用 研 究 Ｖｏｌ３４Ｎｏ５ 　 　 ２０１７年５月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｍａｙ２０１７ 基于最大边界准则的稀疏局部嵌入特征提取方法 １ａ，１ｂ １ａ，２，３ １ｂ １，１ｂ 刘毛溪 ，万鸣华 ，孙成立 ，王巧丽 （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 目标函数。在ＯＲＬ、Ｙａｌｅ以及ＵＭＩＳＴ人脸库上的实验结果可以看到，同其他几种方法（ＰＣＡ、ＬＬＥ和ＭＭＣ）相比， 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 Ｓｐａｒｓｅｌｏｃａｌｅｍｂｅｄｄｉｎｇｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｍａｘｉｍｕｍｍａｒｇｉｎｃｒｉｔｅｒｉｏｎ １ａ，１ｂ １ａ，２，３ １ｂ １，１ｂ ＬｉｕＭａｏｘｉ ，ＷａｎＭｉｎｇｈｕａ ，ＳｕｎＣｈｅｎｇｌｉ，ＷａｎｇＱｉａｏｌｉ （１．ａ．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＪｉａｎｇｘｉＰｒｏｖｉｎｃｅｆｏｒＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ＆ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ，ｂ．ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，Ｎａｎｃｈａｎｇ ＨａｎｇｋｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｃｈａｎｇ３３００００，Ｃｈｉｎａ；２．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＩｎｔｅｌｌｉｇｅｎｔＰｅｒｃｅｐｔｉｏｎ＆ＳｙｓｔｅｍｓｆｏｒＨｉｇｈＤｉｍｅｎｓｉｏｎａｌＩｎｆｏｒｍａｔｉｏｎｏｆ ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ２１００９４，Ｃｈｉｎａ；３．ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＴｒｕｓｔｅｄＣｌｏｕｄＣｏｍｐｕｔｉｎｇ ＆ＢｉｇＤａｔａＡｎａｌｙｓｉｓ，ＮａｎｊｉｎｇＸｉａｏｚｈｕａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１１１７１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｌｏｃａｌｌｉｎｅａｒｅｍｂｅｄｄｉｎｇ（ＬＬＥ）ｗａｓｕｎａｂｌｅｔｏｔａｋｅａｄｖａｎｔａｇｅｏｆｔｈｅｄｉｓｃｒｉｍｉｎａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｏｆｔｈｅｓａｍｐｌｅｓａｎｄ ｔｈｅｍａｘｉｍｕｍｍａｒｇｉｎｃｒｉｔｅｒｉｏｎ（ＭＭＣ）ｈａｄａｗｅａｋｐｅｒｆｏｒｍａｎｃｅｏｎｔｈｅｎｏｎｌｉｎｅａｒｄａｔａ．Ｔｈｅｒｅｆｏｒｅｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｆｅａｔｕｒｅｅｘ ｔ