文档介绍：论文作者签名:当墼苏州大学学位论文独创性声明进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不含其他个人或集体已经发表或撰写过的研究成果,也不含为获得苏州大学或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本人承担本声明的法律责任。本人郑重声明:所提交的学位论文是本人在导师的指导下,独立期:�
导师签名:二罐日期:论文作者签名:.—墨么继在——年一月解密后适用本规定。论文作者签名:.●玺遍秽”�期:苏州大学学位论文使用授权声明本人完全了解苏州大学关于收集、保存和使用学位论文的规定,即:学位论文著作权归属苏州大学。本学位论文电子文档的内容和纸文档,允许论文被查阅和借阅,可以采用影印、缩印或其他复制手段保存和汇编学位论文,可以将学位论文的全部或部分内容编入有关数本学位论文属质论文的内容相一致。苏州大学有权向国家图书馆、中国社科院文献信息情报中心、’中国科学技术信息研究所��蚍绞�莸缱映霭嫔�、中国学术期刊�馀贪�电子杂志社送交本学位论文的复印件和电子据库进行检索。涉密论文口非涉密论文囱期:
基于稀疏表示和子空间的人脸识别方法研究中文摘要识别领域的主流方法——子空间方法和近年来的热点方向——稀疏表示技术,提出如何从人脸图像中有效地提取特征并通过分类决策对目标进行识别是人脸识别研究的关键所在。本文以人脸特征提取和分类决策为研究目标,重点研究了人脸了几种高效的人脸特征提取和分类决策算法。本文的主要贡献及创新如下:�在保局投影��琇��惴ㄖ校��菁湫榧俚慕��关系会在投影到子空间后依旧得到保持,同时,以局部合并的方式来重建数据集间的整体内在规律无法较好的体现不同类数据间的分布差异。针对这些问题,提出了一种最大间隔和鉴别保局投影��琈��算法。该方法能很好的发现和重建数据集的局部真实内蕴几何结构以及整体分布特性,通过保持数据集合的真实近邻结构,分离数据样本的虚假近邻,并扩大不同类数据样本间的类间间距,表现出了较好的鉴别特性。稀疏保持投影��,��算法在构造数据样本间的稀疏权重时并没有很好的体现数据间的鉴别信息。针对这一问题,结合人脸在流形上的局部线性分布特性,提出了一种鉴别稀疏保持嵌入��珼��算法,在重建局部几何性质的同时保持数据的稀疏表示特性,并获得低维上的全局最优嵌入。该方法是一个线性的监督算法,能够有效地提取特征,具有较高的鲁棒性。在人脸识别中,最近邻子空间��,��掷嗥骱拖∈璞硎痉掷�器��,��具有较好的识别性能。然而,作为基于数据样本重构的分类器,它们在识别目标时都不可避免地要对一个样本进行大量的重构运算,需要巨大的计算量。针对这一问题,对这两种分类器进行了改进,构造了一个新型的重构空间,该空间中的点反映了一个样本被其他样本线性表出的重构权重,利用先验知识找寻一个从原始样本空间或图像空间到该重构空间的投影映射,以此快速地得到待分类目标的重构权重,通过比较重构误差完成分类。改进的最近邻子空间��,��和改进的稀疏表示分类器��雉十稀疏表,�潞土苏�实娜肆呈侗鸱椒ㄑ芯�中义��
,��诒3諲�蚐�良好分类性能的同时能大大降低计算复杂度,这种改进模型能很好的推广到其它基于数据样本重构的分类器上。关键词:人脸识别;子空间;稀疏表示;特征提取;分类器作者:谭延琪指导教师:马小虎��基于稀疏表示和子窄问的人脸识别方法研究��中义摘要
瑃��甌��.��瑃��,��瓺��甋��,��.Ⅲ��甌��.��,��.��,
甌��,��.��甌��.��’��.��甌��簊��瑃��甌��,��:��瓾��:
吨¨他目录��本文的主要工作⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.��本文的组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.�第二章子空间方法和稀疏表示⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.��主成分分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。��线性鉴别分析⋯⋯⋯