核正交判别局部正切空间对齐算法

作者：郑刚民; 夏苏娜; 马媛媛; 马小虎

来源：模式识别与人工智能, 2013, (07): 673-679.

DOI：10.16451/j.cnki.issn1003-6059.2013.07.007

• 特征提取
• 局部正切空间对齐
• 核空间
• 流形学习 Feature Extraction
• Local Tangent Space Alignment
• Kernel Space
• Manifold Learning

针对现有的局部正切空间算法中存在的问题,文中提出一种基于核变换的特征提取方法——核正交判别局部正切空间对齐算法(KOTSDA).该算法首先利用核方法将人脸图像投影到一个高维非线性空间,提取其非线性信息;然后在目标函数中利用正切空间判别分析算法在保持样本的类内局部几何结构的同时最大化类间差异;最后添加正交约束,得到核正交判别局部正切空间对齐算法.该算法不需要经过PCA降维,有效避免判别信息的丢失,在ORL和Yale人脸库上的实验验证算法有效性.

• 单位
  苏州大学