Stable locality sensitive discriminant analysis for image recognition
Stable locality sensitive discriminant analysis for image recognition
复制标题
图像识别的稳定局部敏感判别分析
DOI：
10.1016/j.neunet.2014.02.009
复制
发表时间：
2014-06
期刊：
影响因子：
7.8
通讯作者：
Wang, Xiaogang
中科院分区：
文献类型：
--
作者：
Liu, Jingjing;Cui, Kai;Zhang, Hailin;Wang, Xiaogang
局部敏感判别分析（LSDA）是一种基于流形学习降维的判别分析方法。然而，LSDA算法忽略了数据多样性的类内差异，导致类内几何结构表示不稳定，算法性能不佳。本文提出了一种新的降维方法，即稳定局部敏感判别分析（SLSDA）。SLSDA通过构造邻接图来描述数据的多样性，并将其集成到LSDA的目标函数中。在5个数据库上的实验结果表明了该方法的有效性。
Locality Sensitive Discriminant Analysis (LSDA) is one of the prevalent discriminant approaches based on manifold learning for dimensionality reduction. However, LSDA ignores the intra-class variation that characterizes the diversity of data, resulting in unstableness of the intra-class geometrical structure representation and not good enough performance of the algorithm. In this paper, a novel approach is proposed, namely stable locality sensitive discriminant analysis (SLSDA), for dimensionality reduction. SLSDA constructs an adjacency graph to model the diversity of data and then integrates it in the objective function of LSDA. Experimental results in five databases show the effectiveness of the proposed approach.
登录
查看更多内容
DOI：
10.1201/b10345-5
发表时间：
2010-11
期刊：
Encyclopedia of Autism Spectrum Disorders
影响因子：
--
作者：
Kim-Anh Lê Cao;Z. Welham
通讯作者：
Kim-Anh Lê Cao;Z. Welham
DOI：
10.1016/c2009-0-27872-x
发表时间：
1972
期刊：
影响因子：
--
作者：
H. Shimodaira;Iain Murray
通讯作者：
Iain Murray
DOI：
10.1002/0470854774.ch1
发表时间：
2006
期刊：
--
影响因子：
--
作者：
P. Pudil;P. Somol;M. Haindl
通讯作者：
P. Pudil;P. Somol;M. Haindl
DOI：
10.1109/tpami.2005.55
发表时间：
2005-03-01
影响因子：
23.6
作者：
He, XF;Yan, SC;Zhang, HJ
通讯作者：
Zhang, HJ
DOI：
10.1007/bfb0015522
发表时间：
1996-04
期刊：
--
影响因子：
--
作者：
P. Belhumeur;J. Hespanha;D. Kriegman
通讯作者：
P. Belhumeur;J. Hespanha;D. Kriegman