基于正交稀疏保留投影的特征提取與識別算法研究.pdf

1、對于一個數(shù)據(jù)集，數(shù)據(jù)間的稀疏重構關系具有很好的分類信息。稀疏保留投影（SPP）正是基于這樣的考慮所提出的一種特征提取方法，它的目標是獲取一組線性的投影變換空間，使得樣本之間這種全局稀疏重構關系得以保留。
　　然而，稀疏保留投影得到的投影空間通常并不是正交的，而正交變換一直以來被認為是提高鑒別能力的很有用的手段。因此，本文提出了正交的稀疏保留投影及兩種實現(xiàn)的算法以獲得正交的投影變換空間，第一種是整體正交稀疏保留投影（HOSPP），第

2、二種是迭代正交稀疏保留投影（IOSPP）。整體正交稀疏保留投影方法通過替換正交約束直接計算出正交投影空間，而迭代正交稀疏保留投影則是在保留原有約束的情況下，通過迭代的方式一一求出正交投影向量。
　　整體正交稀疏保留投影（HOSPP）和迭代正交稀疏保留投影（IOSPP）主要關注的是樣本間的全局稀疏重構關系。然而實際應用中，圖像數(shù)據(jù)往往處于一種高維空間的低維流形結構中。進而，我們在目標函數(shù)中引入了近鄰結構圖，使得求得的投影變換在最好的

3、保留稀疏重構關系的同時也可以很好的保留樣本的空間流形結構。類似的，該方法也分為基于流形學習的整體正交稀疏保留投影（MLHOSPP）和基于流形學習的迭代正交稀疏保留投影(MLIOSPP)。
　　上述兩種方法本質(zhì)上是無監(jiān)督的算法，有監(jiān)督的子空間算法可以更好的利用標記信息獲得更加有效的鑒別特征，從而提高識別率。因此，我們提出了基于流形學習的整體正交稀疏保留鑒別分析（MLHOSDA）和基于流形學習的迭代正交稀疏保留鑒別分析（MLIOSDA

4、）。該算法利用有類標記的樣本直接修正構建的稀疏重構圖和鄰接圖，在原方法中自然的融入監(jiān)督信息。進而我們又提出了一種復數(shù)融合的方式在近鄰結構圖中將角度距離和歐式距離進行融合來構造近鄰結構圖，命名為基于復數(shù)局部保留的整體正交稀疏保留鑒別分析（CLPHOSDA）基于復數(shù)迭代保留的整體正交稀疏保留鑒別分析（CLPIOSDA）。
　　在實驗部分，我們在三個數(shù)據(jù)庫，即Yale人臉數(shù)據(jù)庫，CAS-PEAL人臉數(shù)據(jù)庫和PolyU掌紋數(shù)據(jù)庫上將提出的