資源描述：
《代價敏感的局部判別嵌入人臉識別算法.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第27卷第7期計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報Vb1．27NO．72015年7月JournalofComputer-AidedDesign&ComputerGraphicsJul’2O15代價敏感的局部判別嵌入人臉識別算法楊萌¨，馬小虎，，張哲來)’(蘇州大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院蘇州215006)(南京大學(xué)計(jì)算機(jī)軟件新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室南京210023)(xhma@suda．edu．cn)摘要：局部判別嵌入算法尋求最高的正確識別率時假設(shè)所有的錯誤分類具有相同的錯分代價，然而這個假設(shè)在現(xiàn)實(shí)的人臉識別系統(tǒng)中往往是不成立的，因?yàn)椴煌腻e誤分類將會導(dǎo)致不同的錯分代價．為此，提出一種代價敏感的局部判別嵌入算
2、法．首先通過構(gòu)造代價矩陣將代價敏感理念融入到特征提取階段，以提高算法判別不同錯誤分類的能力；然后最大化異類近鄰樣本點(diǎn)之間的錯分代價，同時最小化同類近鄰樣本點(diǎn)之間的距離；最后利用迭代算法求得最佳的正交投影向量，以更好地維持?jǐn)?shù)據(jù)的度量架構(gòu)．在Yale，ORL，AR和ExtendedYaleB人臉數(shù)據(jù)庫上的實(shí)驗(yàn)結(jié)果表明，文中算法是有效的．關(guān)鍵詞：人臉識別；局部判別嵌入；代價敏感；特征提取中圖法分類號：TP391．4Cost—sensitiveLocalDiscriminantEmbeddingforFaceRecognitionYangMengnMaXiaohu，，andZhangZhelai)，
3、(SchoolofComputerScienceandTechnology,SoochowUniversity,Suzhou215006)(StateKeyLaboratoryforNovelSoftwareTechnology,NamingUniversity,Naming210023)Abstract：Localdiscriminantembeddingattemptstoachievehighrecognitionaccuracy,implicitlyassumingthatallmisclassificationsleadtothesamelosses．Thisassumption，
4、however，maynotholdinthepracticalfacerecognitionsystems，becausethelossesofdifferentmistakesmaybedifferent．Motivatedbythiscon—cern，anewapproachcalledcost—sensitivelocaldiscriminantembeddingisproposedinthispaper．Firstlythefeatureextractionphaseutilizesthecost·-sensitivelearningtechniquewhichhelpsanaly
5、sisdifferentmisclas--sificationsbyconstructingthecostmatrix．Thenwemaximizethecostsofmisclassilyingtheneighboringpointsofthedifferentclassandminimizethedistancesofneighboringpointsofthesameclasssimultane—ously．Finallyweobtaintheoptimalorthogonalvectorswhichhelpmaintainthemetricstructurebyutilizingan
6、iterativealgorithm．TheextensiveexperimentsonthefacedatabaseYale，ORL，ARandExtendedYaleBdemonstratetheeffectivenessoftheproposedalgorithm．Keywords：facerecognition；localdiscriminantembedding；cost-sensitive；cost·-sensitive人臉識別由于其廣泛的應(yīng)用前景，一直以來了巨大的挑戰(zhàn)，尋求行之有效的數(shù)據(jù)降維方法是都是計(jì)算機(jī)視覺和模式識別領(lǐng)域重要研究課題之研究的重點(diǎn)．主成分分析(principa
7、lcomponent一．但是原始數(shù)據(jù)的過高維數(shù)給計(jì)算和分析帶來analysis，PCA)[1]和線性判別分析(1ineardiscrimi一收稿日期：2014—04—16；修回日期：2014—07-28．基金項(xiàng)目：江蘇省自然科學(xué)基金(BK20141195)；南京大學(xué)計(jì)算機(jī)軟件新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室資助項(xiàng)N(KFKT2014B11)．楊萌(1990-)，男，碩士研究生，主要研究方向?yàn)槟Ｊ阶R別、圖像處理；馬小虎(1
