基于特别的特征表示方法的局部线性KNN算法

基于特别的特征表示方法的局部线性KNN算法
卞则康;王士同;王宇翔
【期刊名称】《计算机科学与探索》
【年(卷),期】2018(012)001
【摘要】提出了一种特别的特征表示方法,并在此基础上提出了一种基于特别的特征表示方法的局部线性K最近邻算法(locally linear K-nearest neighbor method,L2KNN),并将之应用到人脸识别中.特别的特征表示方法是在传统的稀疏表示的基础上,加入了非负约束,改进了传统的稀疏表示的方法,在目标函数中增加了集群正则化项,然后优化新的目标函数得到一个新的近似的特征表示.L2KNN算法具有最近邻集群效应(clustering effect of nearest neighbors,CENN),不仅可以增强测试样本与同类的训练样本之间的相关性,而且可以增强同类训练样本之间的相关性.L2KNN算法进一步应用到L2KNNc(L2KNN- based classifier)分类器中,并提出一种系数截断的方法增加L2KNNc分类器的泛化性能,进一步提高分类器的分类性能.在人脸数据集上的实验结果证明了上述结论.%This paper proposes a novel specific feature representation, then develops a locally linear K-nearest neighbor method called L2KNN accordingly with applications to face recognition.The specific feature representa-tion improves upon the traditional sparse representation by adding up the nonnegative constraint, and the corre-sponding objective function with the group regularization is optimized to derive a novel approximate specific repre-sentation.The proposed method L2KNN shows the clustering effect of nearest neighbors(CENN).It not only can enhance the correlation between the test
sample and the training samples with the same label,but also can enhance the correlation among the training samples.The L2KNN method is developed into its classifier L2KNNc (L2KNN-based classifier) in which a coefficients' truncating method is used to improve the generalization capability of L2KNNc. The experimental results on the face data set indicate the above claim about L2KNNc.
【总页数】9页(P134-142)
【作者】卞则康;王士同;王宇翔
【作者单位】江南大学数字媒体学院,江苏无锡214122;江南大学数字媒体学院,江苏无锡214122;中国船舶科学研究中心,江苏无锡214082
【正文语种】中文
【中图分类】TP181
【相关文献】
1.基于线性多点逼近方法的结构局部非线性损伤识别 [J], 孙国;田建勇;仲伟秋
2.基于余弦距离的局部敏感哈希的KNN算法在中文文本上的快速分类 [J], 戴上平;冯鹏;刘盛英杰;舒红
3.基于差值局部方向模式的人脸特征表示 [J], 李照奎;丁立新;王岩;何进荣;丁国辉
4.基于局部保持的KNN算法 [J], 曾俊杰;王晓明;杨晓欢
5.基于KNN算法与局部回归的网站无障碍采样评估 [J], 陈荣华;王鹰汉;卜佳俊;于智;高斐
因版权原因，仅展示原文概要，查看原文内容请购买。