完备非监督鉴别投影与人脸图像分析

针对已有的非监督鉴别投影(UDP)仅仅利用局部散布矩阵的零空间外信息,导致零空间内信息丢失的问题,为了同时利用局部散布矩阵的零空间内和零空间外的信息,提出一种完备的非监督鉴别投影(CUDP)算法.在局部散布矩阵的零空间内,通过最大化非局部散布提取有效特征;在局部散布矩阵的零空间外,通过最大化非局部散布同时最小化局部散布提取其有效特征;最后将这2类特征组合起来形成CUDP的特征.在ORL和FERET人脸库上的人脸识别实验,以及CMU和Yale人脸库上的人脸表情识别实验的结果,证明了CUDP算法的有效性.

基于RSM的判别分析集成方法

针对非监督鉴别投影(UDP)算法分类能力弱和性能不稳定问题,提出了一种基于RSM(random subspace method)的判别分析方法集成(DAC_EL)。该方法对训练样本的特征向量空间进行随机采样,得到多个UDP投影变换,因此获得多个既有差异又互补的投影子空间。由测试样本测试集成各基分类器分类精度,分类精度作为基分类器集成权重。基分类器分类结果线性权重集成给出集成分类器的输出结果。在ORL和YALE人脸图像库上实验结果表明,DAC_EL方法性能明显优于UDP方法和基于多数投票法的UDP集成方法,能够提高人脸识别的分类能力和稳定性。

基于保持投影的最大散度差的特征抽取方法

对非监督鉴别投影(UDP)准则进行修正,并在修正的准则基础上提出基于保持投影的最大散度差的特征抽取方法.该方法利用非局部散度与局部散度之差作为鉴别准则,从而避免UDP线性鉴别分析中所遇到的小样本问题引起的局部散度矩阵奇异的问题.在标准人脸数据库Yale和FERET上进行实验,实验结果表明本文方法的有效性.