資源描述：
《代價敏感學習的稀疏局部保留投影算法.pdf》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。
1、第20卷第3期哈爾濱理工大學學報Vo1．20No．32015年6月JOURNALOFHARBINUNIVERSITYOFSCIENCEANDTECHNOLOGYJun．2015代價敏感學習的稀疏局部保留投影算法林克正，鐘巖，程衛(wèi)月(哈爾濱理工大學計算機科學與技術學院，黑龍江哈爾濱150080)摘要：針對已有的局部保留投影(1ocalitypreservingprojections，LPP)算法可能將相似的類別誤投影到一起，導致正確識別率降低的問題．在局部保留投影算法的基礎上，提出了一種基于代價敏感學習的稀疏局部保留投影算法(
2、cost-sensitivesparselocalitypreservingprojections，CSLPP)．該算法將代價敏感學習引入到人臉識別中，首先對樣本進行代價敏感思考，然后再將樣本稀疏化，最后求得最優(yōu)投影向量．通過在YALE人臉庫和FERET人臉庫上實驗，結(jié)果表明CSLPP算法在投影之前將代價考慮進去，有效的避免了高風險，該算法在最近鄰分類器上的的識別率明顯高出其它算法的識別率．關鍵詞：局部保留投影；人臉識別；代價敏感；稀疏化DOI：10．15938／j．jhust．2015．03．009中圖分類號：TP391．
3、4文獻標志碼：A文章編號：1007—2683(2015)03—0045—06Cost-sensitiveSparseLocalityPreservingProjections··L／NKe—zheng，ZHONGYan，CHENGWei—yue(SchoolofComputerScienceandTechnology，HarbinUniversityofScienceandTechnology，Harbin150080，China)Abstract：InLocalityPreservingProjectionsalgorit
4、hm，facesinsimilarcategoriesareprojectedasthesameone，leadingtothedecreaseofrecognitionrate．Tosolvethisproblem，Cost—sensitiveSparseLocalityPreservingProjectionsalgorithmbasedonLPPalgorithmisproposed．InCSLPPalgorithm．inwhichCost-SensitiveLearningwasappliedtofacerecogn
5、ition，facesampleswerefirstcost-sensitivelythoughtof，andSparseness，atlasttheopti—malprojectionvectorwasfiguredout．ExperimentalresultsontheYALEandFERETfacedatabasesshowthatCS—LPPalgorithmeffectivelyavoidshighrisksanditsrecognitionrateissignificantlyhigherthanthatofot
6、hersinNea-restNeighborClassifier．Keywords：localitypreservingprojections；facerecognition；cost—sensitive；sparse的信息社會里，信息安全受到了空前的重視，身份識0引言別已經(jīng)成為人們?nèi)粘Ｉ钪胁豢苫蛉钡闹匾侄危S著信息安全技術的迅速發(fā)展，生物特征識別中的在自動化智能化程度日益提高、通訊高度發(fā)達人臉識別技術漸漸取代了傳統(tǒng)的身份識別技術．人收稿日期：2014—09—18基金項目：黑龍江省教育廳科學技術研究項目(11551087
7、)．作者簡介：林克正(1962一)，男，博士，教授，E-mail：link@hrbust．edu．12n；鐘巖(1990一)，男，碩士研究生；程衛(wèi)月(1988一)，女，碩士研究生．哈爾濱理工大學學報第2O卷臉識別因其方式友好并且最接近人類視覺認知同時代價(cost)是指某一事情的完成結(jié)果對這個事采集十分方便而受到廣泛的關注¨I2J．近幾年，人臉情所引起的風險假設有c類樣本，將第i類樣本劃識別是生物特征識別技術領域比較熱的研究分正確的可能性為1％，劃分成第c類的可能性為課題．99％，所以將第i類樣本錯誤分類為第c類的可能在過去
8、的一段時間，稀疏編碼技術已經(jīng)在信性要大許多，或者將第c類樣本錯分成第i類樣本號處理、圖像識別等領域得到廣泛的應用．稀疏表示的可能性要小許多，但是這兩種情況的代價是不同可以用較少的數(shù)據(jù)來充分表示出圖像的重要信息，的，為了降低風險，我們在分類時需要將代價考慮進結(jié)合LPPj，一種新的線性降維方法
