多尺度流形學(xué)習(xí)人臉識(shí)別理論與應(yīng)用研究.pdf

1、摘要論文題目：多尺度流形學(xué)習(xí)人臉識(shí)別理論與應(yīng)用研究學(xué)科專業(yè)：通信與信息系統(tǒng)研究生：焦妍指導(dǎo)教師：張志禹教授張九龍副教授摘要簽名：簽名：簽名：隨著流形學(xué)習(xí)成為研究熱點(diǎn)，產(chǎn)生了大量的成果，這些算法包括等距映射(Isomap)、局部線性嵌入(LLE)和局部保持映射(LPP)等。本文詳細(xì)分析了三種流形學(xué)習(xí)算法目的、原理及求解過程，并在Swissr01l及有空洞的Swiss110le上進(jìn)行了實(shí)驗(yàn)，比較它們對(duì)凸數(shù)據(jù)和非凸數(shù)據(jù)的嵌入效果。對(duì)于分類問題

2、，流形學(xué)習(xí)沒有充分地利用樣本分布的鑒別信息，所以研究了監(jiān)督流形學(xué)習(xí)算法SLLE。而在實(shí)際的人臉識(shí)別應(yīng)用中，要得到足夠多的有標(biāo)簽訓(xùn)練樣本需要花費(fèi)很大的代價(jià)，因此又研究了半監(jiān)督流形學(xué)習(xí)算法SSLLE。應(yīng)用這三種算法對(duì)人臉圖像進(jìn)行低維嵌入和規(guī)律挖掘，在二維空間實(shí)現(xiàn)可視化，找到了控制人臉圖像的低維變量，證實(shí)了高維數(shù)據(jù)中“人臉流形”的存在以及人臉識(shí)別具有很大的實(shí)際意義。盡管流形學(xué)習(xí)算法可以發(fā)現(xiàn)嵌入在高維歐氏空間中的低維流形本征信息，但是由于沒有明

3、晰的投影矩陣，對(duì)于一個(gè)新的測(cè)試樣本，只能重新學(xué)習(xí)。此外，原始特征向量也包含高階相關(guān)性的冗余信息，而流形學(xué)習(xí)算法對(duì)于這些冗余來說是沒有辦法的。(urvelet是一種多尺度多方向的圖像分析工具，有效克服了小波只能處理信號(hào)中點(diǎn)奇異性特征的缺陷，能最優(yōu)表達(dá)圖像沿曲線方向的奇異性，形成特征的稀疏表達(dá)。流形學(xué)習(xí)方法則能保持高維數(shù)據(jù)的局部線性性質(zhì)，使得降維后的數(shù)據(jù)能保持原始數(shù)據(jù)的結(jié)構(gòu)。本文在此將這兩種方法結(jié)合起來，先用Curvelet提取多尺度多方向