有監(jiān)督的無(wú)參數(shù)核局部保持投影及人臉識(shí)別.pdf

1、有監(jiān)督的無(wú)參數(shù)核局部保持投影及人臉識(shí)別重慶大學(xué)碩士學(xué)位論文（學(xué)術(shù)學(xué)位）學(xué)生姓名：許凱強(qiáng)指導(dǎo)教師：龔劬教授專業(yè)：應(yīng)用數(shù)學(xué)學(xué)科門(mén)類：理學(xué)重慶大學(xué)數(shù)學(xué)與統(tǒng)計(jì)學(xué)院二O一六年四月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要作為生物特征識(shí)別技術(shù)的一種，人臉識(shí)別技術(shù)以其獨(dú)有的非強(qiáng)迫性、較好的隱蔽性等特點(diǎn)逐漸被研究者所重視，日益成為鑒別身份的重要技術(shù)手段。人臉識(shí)別系統(tǒng)主要分為人臉檢測(cè)、人臉圖像預(yù)處理、特征提取以及分類四個(gè)階段。其中，特征提取是人臉識(shí)別系統(tǒng)的核心組

2、成部分，特征提取效果的優(yōu)劣直接影響到人臉識(shí)別的準(zhǔn)確率。本文圍繞特征提取算法進(jìn)行研究，總結(jié)如下：1、闡述了主成分分析(PCA)算法和矩陣的奇異值分解(SVD)思想，進(jìn)一步介紹將PCA降維后的數(shù)據(jù)應(yīng)用到局部保持投影(LPP)算法中，解決了LPP算法中的奇異值問(wèn)題。但是LPP算法存在計(jì)算權(quán)矩陣時(shí)的參數(shù)選擇問(wèn)題以及求解廣義特征方程常遇的奇異性問(wèn)題，為了解決這兩個(gè)問(wèn)題，本文研究了基于奇異值分解的有監(jiān)督無(wú)參數(shù)局部保持投影(PSLPP)算法，首先利用

3、樣本的類別信息以及對(duì)離群數(shù)據(jù)更為魯棒的余弦距離來(lái)描述樣本點(diǎn)對(duì)之間的相似度，以該相似度為邊權(quán)，構(gòu)造無(wú)參數(shù)近鄰圖，解決了參數(shù)選擇問(wèn)題。其次用奇異值分解方法對(duì)樣本矩陣進(jìn)行二次投影，解決了奇異性問(wèn)題。在L和Yale人臉庫(kù)上的仿真實(shí)驗(yàn)表明，本文算法有效，與局部保持投影算法和無(wú)參數(shù)局部保持投影算法相比，能夠得到更高的識(shí)別率。2、為解決線性不可分問(wèn)題，利用核函數(shù)將主成分分析(PCA)、局部保持投影(LPP)算法做進(jìn)一步推廣，得到核主成分分析(KPCA

4、)、核局部保持投影(KLPP)算法。針對(duì)KLPP算法在計(jì)算權(quán)矩陣時(shí)的參數(shù)選擇問(wèn)題，本文研究了有監(jiān)督的無(wú)參數(shù)核局部保持投影(PSKLPP)算法，通過(guò)將歐式距離改為對(duì)離群數(shù)據(jù)更為魯棒的余弦距離，構(gòu)造無(wú)參數(shù)近鄰圖，利用核方法提取人臉圖像中的非線性信息，并將其投影在一個(gè)高維非線性空間，運(yùn)用局部保持投影算法得到一線性映射，有效避免了在計(jì)算權(quán)矩陣過(guò)程中面臨的參數(shù)選擇問(wèn)題。在L和Yale人臉庫(kù)上的仿真實(shí)驗(yàn)表明，本文算法有效，與主成分分析、核主成分分析