文件名称：基于最大边界准则的稀疏局部嵌入特征提取方法
文件大小：1.48MB
文件格式：PDF
更新时间：2022-08-11 11:34:21
特征提取,局部线性嵌入,最大边界准则,弹性网回归
针对局部线性嵌入算法（LLE）无法利用样本的鉴别信息，最大边界准则算法（MMC）对非线性数据处理能力较弱的不足，提出一种基于最大间距准则的稀疏局部嵌入（SLE/MMC）特征提取算法。在保持局部近邻的前提下，首先在类内紧致图中使同类样本尽可能地聚集在一起；然后在类间惩罚图中使不同类别的样本尽可能分离；最后使用弹性网回归算法得到一个最优的稀疏投影矩阵。为了避免小样本问题，采用MMC的形式构造目标函数。在ORL、Yale以及UMIST人脸库上的实验结果可以看到，同其他几种方法（PCA、LLE和MMC）相比，SLE/MMC具有更高的识别率，表明该方法具有更高效的特征提取能力。