一种鲁棒性的联结图嵌入与稀疏回归的LDA算法及其人脸识别  

作　　者：牛强 

机构地区：[1]中移(苏州)软件技术有限公司

出　　处：《江苏通信》2024年第4期107-113,共7页Jiangsu Communication

摘　　要：针对线性判别分析(LDA)算法对异常值较为敏感的特点,为了提高算法的鲁棒性,提出了鲁棒性的联结图嵌入与稀疏回归的LDA算法。该算法首先组合图嵌入与基于L_(2,1)范数稀疏回归的目标函数,使得谱图向量和最优回归向量可同时学习得到,然后采用交替迭代优化的方法,经过一系列变换求出最优投影矩阵,最后将训练样本和测试样本投影到该低维子空间中,利用最近欧式距离分类器进行分类。由于将L_(2,1)范数作用于损失函数和正则化项上,能够使特征选择和子空间学习同时进行,增强了算法的鲁棒性,有效地提高了识别性能。在ORL和PIE人脸库上的实验结果表明,新算法具有较好的鉴别能力。

关 键 词：线性判别分析 图嵌入 稀疏回归 L_(2 1)范数 子空间学习 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TP18[自动化与计算机技术—计算机科学与技术]