二维判别分析研究及人脸识别-交通信息工程及控制专业论文.docxVIP

摘要 科学技术日新月异，我们从现实中采集到的数据越来越复杂，如何有效地描 述数据，方便我们对这些数据进行分类、检索及识别等操作，已成为现实的迫切 需要解决的问题。二维图像特征提取是一种有效的解决方案，它可以降低维数带 来的计算复杂度。论文从二维数据的全局几何结构入手，综合考虑其与局部几何 结构的关系，详细分析了现有学者提出的应用于二维数据判别分析算法，加以改 进后提出了自己的算法，集成了二位数据的综合考虑了全局和局部结构的特征提 取算法，主要内容和贡献有： 1) 详细分析了 2DLDA 的理论基础，并对其进行了一些改进。参考 2DLPP 所 使用的局部统计结构信息，提出了基于二维图像的 2DEFDC 算法 (Two-Dimension Enhanced Fisher Discriminate Criterion)，算法构造了一个邻 接图来描述同类别数据的差异性信息，与 2DLDA 算法所保持的全局统计 特性相结合，提出一个增强的 Fisher 判别准则，在发现数据内部判别结构 的基础上可以保持几何分布结构，因此有比较好的泛化能力。 2) 对 2DEFDC 存在的一些问题，在边界数据的处理上可能存在较高的误判率， 某些情况下破坏数据局部相似性结构的可能性等问题，针对性的提出了 2DJGLDA(二维判别分析算法 Two-Dimension Joint Global and Local Structure Discriminate Analysis)算法，通过构造三个邻接图来分别描述同类 别数据的差异性结构、同类别数据的相似性结构和不同类边界处的判别结 构，然后通过使局部相似性离散度最小化、局部差异性离散度最大化，来 保持数据的局部拓扑结构不被破坏，通过最大化边界判别离散度来挖掘出 边界处存在的边界几何判别结构，并且与 2DLDA 的全局欧式结构结合， 得到一个鲁棒的判别准则，这个鲁棒的准则把样本数据的全局分布信息和 局部几何结构信息充分利用了起来，因此比只利用其中一种信息的判别方 法有更好的分类效果，实验结果证实了这一点。 关键词： 二维特征提取 全局结构 局部结构 图像识别 Abstract With the rapidly development of scientist technology and the more and more complexly data and the increasingly high dimension, how to characterize or represent the data effectively has been one problem urgent to solve. Two-dimension based feature extraction is an effective tool to deal with it by its decrease of complex of compute. This paper starts with the global geometric structure of two-dimensional data, considering the relationship with the local geometric structure, detailed analyzing the application of the existing scholars for 2-D data discriminant analysis algorithm, then improved to bring forward own algorithm. Integrated the global structure and local structure, the generalization is better improved. The main contents and contributions are as follows: An improvement of 2DLDA was proposed by the detailed analysis of the basic theory of it. Referencing the local statistic-based of 2DLPP,Two-dimension Enhanced Fisher Discriminant Analysis (2DEFDC) is proposed, which constructs an adjacency graph to describe the variations among data from the same class. Combinin