增强Kernel学习优化最大边缘投影的人脸识别

针对传统的流形学习算法通常只考虑样本类内几何结构而忽略类间判别信息的问题,提出一种基于增强核学习的最大边缘投影(MMP)算法。首先使用基于增强核学习非线性扩展的MMP采集人脸图像的非线性结构;然后利用核变换技术加强原始输入核函数的判别能力,并且借助于特征向量选择算法改善算法的计算效率;最后,利用基于乘性规则训练的支持向量机完成人脸的识别。在Yale、ORL、PIE三大通用人脸数据库的组合数据集及AR上的实验验证了该算法的有效性。实验结果表明,相比其他几种核学习算法,该算法取得了更好的识别效果。

基于流形学习的图像检索

近年来随着互联网的飞速发展,图像数据每天都在以急剧膨胀的速度增长。随之而来的问题就是怎样在海量的图像数据中快速而准确的找到满足用户需求的图像。但是基于文字的图像检索技术存在着人工标注量大,带有一定的主观色彩等不足之处,因而90年代以后,当前结合相关反馈技术的图像检索成为研究的热点。本文在分析当前图像检索方法的基础上,重点完成了以下工作:分析并验证最大边缘投影(Maximum Margin Projection,MMP)算法的。