一种半监督人脸数据可分性特征提取方法
刘敬1
刘鑫磊1
刘逸2
1.西安邮电大学电子工程学院 西安 7101212.西安电子科技大学电子工程学院 西安 710071
摘要：针对人脸数据维数高,可分性差的问题,提出一种半监督人脸数据可分性特征提取方法——SCC-LDA.SCC-LDA先采用稀疏概念编码(Sparse Concept Coding,SCC)进行非监督特征提取,以获取保留人脸数据固有空间几何结构的低维稀疏表达;然后采用线性判别分析(Linear Discriminant Analysis,LDA)在SCC子空间进行有监督特征提取,进一步提取数据的可分性特征并降维.采用K近邻(K-Nearest Neighbor,KNN)分类器和最小距离(Minimum Distance,MD)分类器验证特征提取的有效性.基于ORL和Yale数据的实验结果表明,相比SCC子空间法和LDA子空间法,SCC-LDA子空间法可显著提高识别率,并可加快人脸识别速度.
关键词：人脸识别特征提取稀疏概念编码线性判别分析
分类号：TP391.41(计算技术、计算机技术)
资助基金：国家自然科学基金(61672405)陕西省自然科学基础研究计划(2018JM4018)中央高校基本科研业务费专项(JB170204)
论文发表日期：2020-07-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1648-1654 )
英文信息