李峰
- 作品数：7 被引量：13H指数：2
- 供职机构：扬州大学信息工程学院更多>>
- 发文基金：江苏省高校自然科学研究项目国家自然科学基金江苏省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 半监督的稀疏保持二维边界Fisher分析降维算法被引量：5
- 2014年
- 针对样本集中类别标签样本不足的问题,提出一种半监督的稀疏保持二维边界fisher分析降维算法.首先利用图像像素间的空间结构信息,基于图像矩阵进行降维;然后设计类内散度矩阵和类间散度矩阵,以保持样本间的类内紧凑性和类间分离性;最后通过稀疏保持对特征间的稀疏重构性加以约束,所获得的稀疏重构权重保持了局部几何结构,而且也包含了自然鉴别信息.在YALE,ORL和AR人脸数据库上的实验结果表明,该算法具有很好的分类和识别性能.
- 李峰王正群周中侠薛巍
- 关键词：人脸识别
- 基于图的有监督判别投影被引量：1
- 2013年
- 无监督鉴别投影没有利用样本类别标签,所以没有利用样本的鉴别信息。该文在无监督鉴别投影算法的基础上提出了基于图的有监督判别投影(graph-based supervised discriminant projection,GSDP)算法,利用吸引图和排斥图设计目标函数进行特征抽取,建立吸引图的目的是使同类但不是近邻的样本互相吸引,建立排斥图的目的是击退近邻但不是同类的样本。在Feret,Yale和Orl这3个标准人脸库上的大量实验表明了该算法的有效性。
- 徐伟王正群周中侠李峰
- 关键词：降维人脸识别
- 线性局部切空间排列的传播半监督学习方法被引量：2
- 2014年
- 针对人脸识别应用中的线性局部切空间排列算法(LLTSA)不能有效利用样本标签信息的问题,提出了一种线性局部切空间排列的标签传播半监督算法(SSLLTSA)。该算法利用标签传播的方法从带有部分标签的样本数据中得到软标签,然后利用软标签构造出软标签散度矩阵来描述数据集的类内紧凑性和类间分离性。SSLLTSA很好地保持了数据集的局部结构,有效地利用了样本中的标签信息。利用YALE和ORL人脸库进行实验,SSLLTSA比传统算法LLTSA的识别率平均分别提高了3.50%和3.89%。特别地,在只存有少量标签样本的情况下,该算法仍能保持良好的分类性能。
- 薛巍王正群徐春林李峰周中侠
- 关键词：半监督学习人脸识别
- 基于RSM的判别分析集成方法
- 2013年
- 针对非监督鉴别投影(UDP)算法分类能力弱和性能不稳定问题,提出了一种基于RSM(random subspace method)的判别分析方法集成(DAC_EL)。该方法对训练样本的特征向量空间进行随机采样,得到多个UDP投影变换,因此获得多个既有差异又互补的投影子空间。由测试样本测试集成各基分类器分类精度,分类精度作为基分类器集成权重。基分类器分类结果线性权重集成给出集成分类器的输出结果。在ORL和YALE人脸图像库上实验结果表明,DAC_EL方法性能明显优于UDP方法和基于多数投票法的UDP集成方法,能够提高人脸识别的分类能力和稳定性。
- 周中侠王正群徐春林李峰薛巍
- 关键词：子空间人脸识别
- 基于排斥图和吸引图的局部保持投影
- 2013年
- 局部保持投影(LPP)算法未利用样本类别信息进行人脸识别,提取的特征不适合分类。为解决该问题,提出一种基于排斥图和吸引图的LPP算法。在K近邻图的基础上建立排斥图和吸引图,使排斥图反映2个邻近但不同类样本之间的关系,吸引图反映2个同类但不近邻样本之间的关系,结合两者进行特征提取,定义样本相似性度量,以去除原始特征提取噪声和特征值变异的影响。在Feret和Yale人脸数据库上的实验结果表明,该算法的识别率高于主成分分析算法和传统LPP算法。
- 徐伟王正群李峰周中侠
- 关键词：人脸识别局部保持投影相似度特征提取
- 基于Bagging的LDA集成算法及其在人脸识别中的应用
- 2015年
- 针对线性判别分析(linear discriminant analysis,LDA)在处理人脸图像时对局部变化识别不稳定性的问题,提出一种基于Bagging的LDA人脸识别方法 Bagging LDA.首先将人脸图像集划分成若干子图像集,然后将Bagging应用于每个子图像集并融合初始图像集构建多个LDA分类器,选择其中一个分类性能最好的分类器作为集成基分类器,最后使用权重投票的方法将各个基分类器的分类结果进行组合.仿真结果表明,Bagging LDA算法识别性能好,精度较高,在图像遮挡、表情变化等条件下仍具有较强的稳定性.
- 周中侠王正群徐春林李峰薛巍
- 关键词：人脸识别线性判别分析BAGGING算法
- 基于马氏距离的局部边界Fisher分析降维算法被引量：5
- 2013年
- 针对人脸识别应用中的高维数据图像以及欧氏距离不能准确体现样本间的相似度的问题,提出了一种基于马氏距离的局部边界Fisher分析(MLMFA)降维算法。该算法从现有的样本中学习得到一个马氏度量,然后在近邻选择以及新样本降维过程中用马氏距离作为相似性度量。同时,通过马氏度量构造出类内"相似"图和类间"代价"图来描述数据集的类内紧凑性和类间分离性。MLMFA很好地保持了数据集的局部结构。用YALE和FERET人脸库进行实验,MLMFA的最大识别率比传统基于欧氏距离算法的最大识别率平均分别提高了1.03%和6%。实验结果表明,算法MLMFA具有很好的分类和识别性能。
- 李峰王正群徐春林周中侠薛巍
- 关键词：降维人脸识别
