节点文献
增强LLE特征分类性能的人脸识别
Enhanced LLE Features Classification for Face Recognition
【摘要】 为了增强局部线性嵌入(LLE)特征的可分类性,提出一种应用LMNN算法改善LLE特征分类性能的人脸识别方法.LMNN算法寻求一个线性变换,变换空间的欧氏距离等价于原始空间的马氏距离,马氏距离增强了LLE特征的kNN分类性能.在ORL数据库和扩展的YaleB数据库上进行实验,并与其他方法进行了比较.实验结果验证了该算法的有效性.
【Abstract】 A face recognition method is proposed using large margin nearest neighbor(LMNN) algorithm to improve locally linear embedding(LLE) features classification performance.LMNN is used to seek a linear transformation by which the Euclidean distance in the transformation space could equivalently be viewed as Mahalanobis distances in the original space.Hence,the kNN classification performance could be improved.Experiments on ORL database and extended YaleB database demonstrate the effectiveness of the proposed method.
【关键词】 人脸识别；
特征提取；
分类；
流形学习；
距离学习；
【Key words】 face recognition； feature extraction； classification； manifold learning； distance metric learning；
【Key words】 face recognition； feature extraction； classification； manifold learning； distance metric learning；
【基金】 国家“八六三”计划项目(2007AA1132);河北省教育厅科研计划资助项目(20042013)
- 【文献出处】 北京理工大学学报 ,Transactions of Beijing Institute of Technology , 编辑部邮箱 ,2012年06期
- 【分类号】TP391.41
- 【被引频次】7
- 【下载频次】205