您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(工学版)》

山东大学学报(工学版) ›› 2012, Vol. 42 ›› Issue (5): 71-79.

• 机器学习与数据挖掘 • 上一篇    下一篇

基于广义旋转不变性核函数的人脸识别

郭慧玲,王士同*,闫晓波   

  1. 江南大学数字媒体学院, 江苏 无锡 214122
  • 收稿日期:2012-05-07 出版日期:2012-10-20 发布日期:2012-05-07
  • 通讯作者: 王士同(1964- ),男,江苏扬州人,教授,博士生导师,主要研究方向为模式识别. E-mail:wxwstong@yahoo.com.cn
  • 作者简介:郭慧玲(1989- ),女,江西九江人,硕士研究生,主要研究方向为模式识别. E-mail:guohuiling9999@126.com
  • 基金资助:
    国家自然科学基金资助项目(90820002);江苏省自然科学基金资助项目(BK2009067)

A novel method for face recognition based on generalized rotation invariant kernel

GUO Hui-ling, WANG Shi-tong*, YAN Xiao-bo   

  1. School of Digital Media, Jiangnan University, Wuxi 214122, China
  • Received:2012-05-07 Online:2012-10-20 Published:2012-05-07

摘要: 旋转不变性核函数广泛应用于人脸识别等各个领域,但抗噪能力并不理想。本研究引入广义旋转不变性核函数,在忽略分布的具体形式的前提下,将原始的非线性问题转化为线性问题,同时降低了参数估计的难度。广义高斯函数指数α是其峰值的主要决定因素,根据这一性质在旋转不变性核函数中引入指数r,通过控制指数r的变化来观察算法的识别率,然后再人为的给实验数据加上不同的高斯白噪音,以此来验证算法的抗噪能力。实验结果证明了这一方法的优越性,随着指数r的变化,识别率几乎成线性变化,而且总能找到最佳的r值,使得识别率达到最好,并且总优于旋转不变性核函数。在同等实验条件下,本方法大幅度的提高了抗噪声能力。

关键词: 核函数, 旋转不变性, 球体同方差, 人脸识别

Abstract: Rotation invariant kernel was applied to face recognition and some other areas, but its antinoise ability was unsatisfied. Elide the specific form of distribution, the generalized rotation invariant kernel, which can convert the original nonlinear problem into linear one, was introduced. Meanwhile, parameter estimated difficulty was reduced. The index α of generalized Gaussian function played a decisive role on the peak. With reference to this property, index r was introduced into the algorithm. Through controlling the change of index r, recognition rate of the algorithm was observed. And the antinoise ability of the algorithm could be proved by adding different Gaussian white noise into the experimental data.Experimental results proved the superiority. Recognition rate was almost linearly changed while the index r changed and the best r always existed for the best recognition rate, which was better than that of rotation invariant kernels.Under the same experimental conditions,the antinoise ability was greatly improved.

Key words: kernel functions, rotation invariance, sphericalhomoscedastic, face recognition

中图分类号: 

  • TP399
[1] 张佩瑞,杨燕,邢焕来,喻琇瑛. 基于核K-means的增量多视图聚类算法[J]. 山东大学学报(工学版), 2018, 48(3): 48-53.
[2] 张振月,李斐,江铭炎. 基于低秩表示投影的无监督人脸特征提取[J]. 山东大学学报(工学版), 2018, 48(1): 15-20.
[3] 周凯,元昌安,覃晓,郑彦,冯文铎. 基于核贝叶斯压缩感知的人脸识别[J]. 山东大学学报(工学版), 2016, 46(3): 74-78.
[4] 翟俊海,张素芳,胡文祥,王熙照. 核心集径向基函数极限学习机[J]. 山东大学学报(工学版), 2016, 46(2): 1-5.
[5] 徐庆, 段利国, 李爱萍, 阴桂梅. 基于实体词语义相似度的中文实体关系抽取[J]. 山东大学学报(工学版), 2015, 45(6): 7-15.
[6] 刘晓勇. 一种基于树核函数的半监督关系抽取方法研究[J]. 山东大学学报(工学版), 2015, 45(2): 22-26.
[7] 任捷怡, 吴小俊. 一种改进的协方差鉴别学习方法[J]. 山东大学学报(工学版), 2015, 45(1): 9-12.
[8] 浩庆波, 牟少敏, 尹传环, 昌腾腾, 崔文斌. 一种基于聚类的快速局部支持向量机算法[J]. 山东大学学报(工学版), 2015, 45(1): 13-18.
[9] 谢志华. 一种新的血流建模方法及其在红外人脸识别中的应用[J]. 山东大学学报(工学版), 2013, 43(5): 1-5.
[10] 曹红根1,袁宝华1,朱辉生2. 结合对比度信息与LBP的分块人脸识别[J]. 山东大学学报(工学版), 2012, 42(4): 29-34.
[11] 张思懿1,2,王士同1*. 核化空间深度间距的特征提取方法[J]. 山东大学学报(工学版), 2012, 42(3): 45-51.
[12] 翟俊海1,翟梦尧1,张素芳2,王熙照1. 基于小波子空间集成的人脸识别[J]. 山东大学学报(工学版), 2012, 42(2): 1-6.
[13] 王熙照,白丽杰*,花强,刘玉超. null[J]. 山东大学学报(工学版), 2011, 41(4): 1-6.
[14] 王胜春,韩捷,李剑峰,李志农 . 基于模糊域和支持向量机的故障诊断方法[J]. 山东大学学报(工学版), 2006, 36(6): 116-120 .
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!