Supervised Feature Extraction Based on Information Fusion of Local Structure and Diversity Information
Quanxue Gao, Deyan Xie, Hui Xu, Yuan-Zheng Li, Xi-Quan GAO · Acta Automatica Sinica · 2010
摘要: 针对监督局部保持投影(Supervised locality preserving projection, SLPP)存在过学习和不能较好地保持图像空间的差异信息等问题,造成算法性能不够好, 提出了一种新的基于流形学习的监督特征提取方法(Supervised local structure and diversity projection, S-LSDP). S-LSDP从信息统计量角度引入差异信息,并给出度量差异信息大小的准则(差异离散度) 及明确的物理含义;然后通过最小化局部离散度和最大化差异离散度准则提取投影方向. 投影后的特征既能有效地保持图像之间的局部结构属性,又能较好地保持图像之间的差异信息, 而且避免了过学习问题.在UMIST, Yale, PIE和AR数据库上的实验结果表明了该算法的有效性. 关键词: 特征提取 / 流形学习 / 局部离散度 / 差异离散度 / 人脸识别