期刊文章详细信息
文献类型:期刊文章
机构地区:[1]合肥学院网络与智能信息处理重点实验室,合肥230022 [2]电子工程学院,合肥230037
基 金:国家自然科学基金(61272333;61273302;61005010);安徽省自然科学基金(1208085MF94;1208085MF98;1308085MF84)资助
年 份:2014
卷 号:41
期 号:4
起止页码:273-279
语 种:中文
收录情况:BDHX、BDHX2011、CSA、CSCD、CSCD2013_2014、IC、JST、RCCSE、UPD、ZGKJHX、核心刊
摘 要:在深入研究局部样条嵌入算法(LSE)的基础上,引入明确的线性映射关系,构建平移缩放模型和正交化特征子空间,提出了一种正交局部样条判别投影算法(O-LSDP),有效解决了原始LSE算法存在的两个主要问题:样本外点学习问题和无监督模式学习问题。该算法能够应用于模式分类问题并显著改善算法的分类识别能力。在标准人脸数据库上进行的实验比较分析验证了该算法的有效性与可行性。
关 键 词:特征提取 子空间学习 局部样条嵌入 最大边缘准则 流形学习
分 类 号:TP181]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...