基于正则化的相关熵平均近邻最大间距特征提取方法  

Feature Extraction by Regularized Correntropy Based ANMM

作　　者：马琳娜[1] 

机构地区：[1]河北大学数学与计算机学院机器学习与计算智能重点实验室,河北保定071002

出　　处：《电脑编程技巧与维护》2014年第6期17-20,共4页Computer Programming Skills & Maintenance

基　　金：国家自然科学基金项目(60903089);河北省自然科学基金项目(F2013201060)

摘　　要：针对传统的平均近邻最大间距特征提取方法对噪声敏感的缺点,提出了基于正则化的相关熵平均近邻最大间距(RCANMM)特征提取方法,使用相关熵衡量数据间的相似程度,提高了原方法的鲁棒性。在目标函数中添加正则化项,提高了泛化性。在AR、YALE-B和ORL人脸数据库上的实验结果表明,RCANMM相比传统ANMM方法有较好的性能。In the paper, regularized correntropy based average neighbourhood margin maximization（RCANMM） is proposed to improve the anti-noise ability of ANMM. The proposed method utilizes correntropy to measure the similarity between the given data, which makes RCANMM more robust. In addition, a regularization term is added in the objective function of the proposed method to avoid overfitting. The experimental results on the three benchmark face databases validate the effectiveness of the proposed method.

关 键 词：特征提取 正则化相关熵 半二次优化技术 ANMM方法 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]