基于無(wú)參數(shù)局部保持投影的人臉識(shí)別.pdf

1、在模式識(shí)別領(lǐng)域中，人臉識(shí)別有著廣闊的發(fā)展前景。雖然深入的研究在安全維護(hù)、智能監(jiān)控、身份認(rèn)證等領(lǐng)域取得了卓越的成績(jī)，但仍然面臨著小樣本和維數(shù)高等問(wèn)題。本文針對(duì)這些問(wèn)題在人臉識(shí)別特征提取部份進(jìn)行研究，總結(jié)如下：
　　①綜述了人臉識(shí)別的歷史背景、意義和應(yīng)用，以及幾類常見(jiàn)的人臉特征提取的方法，簡(jiǎn)單分析了他們的特點(diǎn)，并在第二章節(jié)介紹了幾種基礎(chǔ)算法。
　?、谔岢隽烁倪M(jìn)的最小相關(guān)保局投影及人臉識(shí)別。首先在加權(quán)大間距準(zhǔn)則基礎(chǔ)上將類別信息引入

2、局部保持投影，更好地區(qū)分不同類的樣本，解決矩陣奇異的問(wèn)題。其次為解決LPP算法中參數(shù)的困擾，在構(gòu)造近鄰圖時(shí)引入余弦距離。利用奇異值分解解決人臉圖像高維數(shù)問(wèn)題，利用最小相關(guān)性分析，去除特征信息的冗余成分。最后，在ORL、 Yale人臉數(shù)據(jù)庫(kù)與PCA,LPP,PCA+LDA,MMC幾種算法的對(duì)比實(shí)驗(yàn)，表明本文算法的有效性。
　?、厶岢隽巳诤霞訖?quán)的MMC和2D-DLPP的算法。二維判別局部保持投影（2D-DLPP）算法是在二維局部保持投