%0 Journal Article
%T 基于图像欧氏距离的二维局部多样性保持投影
%A 高全学
%A 高菲菲
%A 郝秀娟
%A 程洁
%J 自动化学报
%P 1062-1070
%D 2013
%R 10.3724/SP.J.1004.2013.01062
%X ？主成分分析可以较好地保持数据的全局多样性几何属性,在模式识别、机器学习、图像识别等领域有着很重要的作用.缺点是他不能较好地保持局部数据的多样性几何属性,且忽略了图像像素之间的相互关系,导致算法性能不够好,且对模式形变比较敏感.对此问题,提出了一种基于图像欧氏距离的二维局部多样性保持投影.该方法利用邻接图描述局部数据之间的变化关系,然后利用图像欧氏距离度量数据间的多样性几何属性,有效地将图像像素之间的相互关系嵌入到目标函数中.和主成分分析相比,所提方法较好地保持了局部数据的多样性几何属性,而且明确考虑了图像像素之间的相互关系,对模式形变具有好的鲁棒性.在Yale,AR及PIE三个人脸库上的实验结果证明了所提算法的有效性.
%K 二维主成分分析
%K 多样性
%K 流形学习
%K 特征提取
%K 人脸识别
%U http://www.aas.net.cn/CN/abstract/abstract18134.shtml