基于近邻监督局部不变鲁棒主成分分析的特征提取模型

作者：葛孟婷; 万鸣华

来源：计算机应用, 2022, 1-9.

• 特征提取
• 子空间学习
• 无监督学习
• 鲁棒性
• 图像识别

针对无监督的局部不变鲁棒主成分分析算法（LIRPCA）未考虑到样本间的类别关系的问题，提出了一种基于近邻监督局部不变鲁棒主成分分析（NSLIRPCA）的特征提取模型。该算法是在现有的LIRPCA特征提取算法模型的基础上做出了相应的改进变换，基于前者的算法基础上又增添考虑了样本间的类别信息，并以此来构建关系矩阵，接着再对该算法进行公式求解和公式的收敛性证明，最后将该算法应用于各种遮挡数据库。在4个数据集上将所提算法与主成分分析算法（PCA）、基于L_1范数的主成分分析算法（PCA-L_1）、非负矩阵分解（NMF）、局部保持投影（LPP）和LIRPCA算法进行对比。实验结果表明，所提算法在原始数据集中识别率平均提升了2.5%～11%，在遮挡数据集中识别率最高提升了17%～33%。该算法模型提高了算法的识别性能，降低了模型复杂度，明显优于各对比算法。

• 单位
  南京审计大学; 南京理工大学