多尺度流形學習人臉識別理論與應用研究.pdf

1、摘要論文題目：多尺度流形學習人臉識別理論與應用研究學科專業(yè)：通信與信息系統(tǒng)研究生：焦妍指導教師：張志禹教授張九龍副教授摘要簽名：簽名：簽名：隨著流形學習成為研究熱點，產(chǎn)生了大量的成果，這些算法包括等距映射(Isomap)、局部線性嵌入(LLE)和局部保持映射(LPP)等。本文詳細分析了三種流形學習算法目的、原理及求解過程，并在Swissr01l及有空洞的Swiss110le上進行了實驗，比較它們對凸數(shù)據(jù)和非凸數(shù)據(jù)的嵌入效果。對于分類問題

2、，流形學習沒有充分地利用樣本分布的鑒別信息，所以研究了監(jiān)督流形學習算法SLLE。而在實際的人臉識別應用中，要得到足夠多的有標簽訓練樣本需要花費很大的代價，因此又研究了半監(jiān)督流形學習算法SSLLE。應用這三種算法對人臉圖像進行低維嵌入和規(guī)律挖掘，在二維空間實現(xiàn)可視化，找到了控制人臉圖像的低維變量，證實了高維數(shù)據(jù)中“人臉流形”的存在以及人臉識別具有很大的實際意義。盡管流形學習算法可以發(fā)現(xiàn)嵌入在高維歐氏空間中的低維流形本征信息，但是由于沒有明

3、晰的投影矩陣，對于一個新的測試樣本，只能重新學習。此外，原始特征向量也包含高階相關(guān)性的冗余信息，而流形學習算法對于這些冗余來說是沒有辦法的。(urvelet是一種多尺度多方向的圖像分析工具，有效克服了小波只能處理信號中點奇異性特征的缺陷，能最優(yōu)表達圖像沿曲線方向的奇異性，形成特征的稀疏表達。流形學習方法則能保持高維數(shù)據(jù)的局部線性性質(zhì)，使得降維后的數(shù)據(jù)能保持原始數(shù)據(jù)的結(jié)構(gòu)。本文在此將這兩種方法結(jié)合起來，先用Curvelet提取多尺度多方向