文件名称：论文研究-相关NPE算法的人脸识别研究.pdf
文件大小：1.69MB
文件格式：PDF
更新时间：2022-08-11 13:14:53
人脸识别,流形学习,近邻保持嵌入,相关系数
传统的近邻保持嵌入（NPE）算法采用欧氏距离作为近邻点选取的度量，但欧氏距离只表示两点间的直线距离，在高维空间中不一定能反映数据间的真实空间分布，易导致近邻选取不准确。针对此问题，提出了相关近邻NPE（CNPE）算法。该方法利用相关系数度量数据间的近邻关系，实现更准确的局部重构，提取更有效的鉴别特征。在CMU PIE人脸数据集上的实验结果表明，提出的CNPE算法比NPE、LLE、LPP拥有更高的识别率。CNPE算法增加了近邻为同类的概率，能更有效地实现人脸识别。