基于鉴别稀疏邻域保持嵌入算法的人脸识别技术

本文针对人脸识别技术中的关键问题-特征提取,设计了一种新颖的人脸特征提取算法。结合稀疏表示和邻域保持嵌入算法,提出了一种鉴别稀疏邻域保持嵌入算法(DSNPE)。该算法可以基于稀疏表示创建近邻图,包括类内样本近邻图和类间样本近邻图,分别讨论了类内紧致性和类间稀疏性等问题。同时该鉴别稀疏邻域保持嵌入算法可以较好地利用样本类别信息,故该算法具有监督性。基于最大间距准则,建立了鉴别稀疏邻域保持嵌入算法的目标函数,并描述了该算法的基本流程。最后,在Yale、ORL和AR人脸数据库上进行了相关实验,并与SPP、NPE、LPP、MMC、LDA、PCA等算法比较,实验结果表明:基于鉴别稀疏邻域保持嵌入算法具有更好的人脸识别性能。

基于NPE的Web文本分类方法研究

提出一种基于流形学习的文本分类方法以解决高维文本数据分类问题。利用近邻保持嵌入流形学习算法获得高维Web文本空间中的低维流形结构,采用K近邻分类器对低维流形进行分类。实验结果表明,基于流形学习的方法能获得较好的分类效果,具有稳定的性能。