首页  |  期刊简介  |  稿件审稿流程  |  学术道德规范  |  编委会  |  征订启事  |  联系我们  |  English
中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
模糊差分嵌入投影的特征提取方法
Fuzzy Difference Embedding Projection for Feature Extraction
投稿时间:2015-05-19  最后修改时间:2015-06-08
DOI:
中文关键词:  局部线性嵌入;特征提取;最大间距准则;模糊隶属度;流形
英文关键词:Locally linear embedding;Feature extraction; Maximum margin criterion;Fuzzy Sets; Manifold learning
基金项目:国家自然科学基金(61462064, 61203243);江西省自然科学基金(20122BAB211025);高维信息智能感知与系统教育部重点实验室(南京理工大学)基金(30920140122006);中国博士后基金(2014T70453,2013M530223);江苏省博士后基金(1301095C);万鸣华,男,1978年生,博士(后),副教授,硕士生导师,CCF会员(E200040494M3),主要研究方向为模式识别、机器学习等。
作者单位E-mail
万鸣华 东南大学信息工程学院 南京 wmh36@sina.com 
摘要点击次数: 394
全文下载次数: 
中文摘要:
      局部线性嵌入算法对于分类的结果没有直接的关系。同时,该算法也受不同的表情、光照以及姿态等条件的影响,识别的效果也大大降低。因此,提出一种有效的特征提取和分类方法——模糊的差分嵌入投影算法。该算法在模糊数学的思想指导之下,通过模糊隶属度表示的形式,分别构造模糊局部近邻图与模糊全局方差图来表征局部与全局结构信息,然后通过拉格朗日乘子法解决约束条件下的优化问题。新算法既保持近邻数据之间的内在联系,又最大化相互远离点之间的非局部散度。最后,为了避免“小样本”问题,采用最大间距准则的形式构造目标函数。在ORL,Yale和AR人脸图像库进行实验的结果表明,新算法有较好的识别性能。
英文摘要:
      Locally linear embedding (LLE) algorithm has no direct relationship with the classification. Meanwhile, the algorithm was affected by different facial expressions, illumination and pose, etc. The distribution of the original sample was usually nonlinear and complex. An efficient dimensional reduction and classification method is presented-- Fuzzy Difference Embedding Projection (FDEP) algorithm. The algorithm is constructed different variograms to characterize the global structure and the global structure of local neighborhood information using fuzzy membership degree (Fuzzy Sets) in fuzzy thinking, and then by solving constrained optimization under questions to be embedded in a higher dimensional space into low-dimensional sub-manifold. FDEP algorithm maintains the original neighbor relations for neighboring data points of the same class and also crucial to keep away neighboring data points of different classes. In this method, the “small size sample” problem is avoided by employment of MMC and the neighborhood relationship is better described by an adequate modification of the adjacency matrix. The results of face recognition experiments on ORL, Yale and AR face databases demonstrate the effectiveness of the proposed method.
查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第878082位访问者 本站今日一共被访问384

技术支持:北京勤云科技发展有限公司