Fisher discrimination based low rank matrix recovery for face recognition
Fisher discrimination based low rank matrix recovery for face recognition
复制标题
基于 Fisher 判别的低秩矩阵恢复用于人脸识别
DOI：
10.1016/j.patcog.2014.05.001
复制
发表时间：
2014-11
影响因子：
8
通讯作者：
Jie Yang
中科院分区：
文献类型：
--
作者：
Huawen Liu;Daohong Xiang;Xiaoqiao Huang;Jie Yang
在本文中，我们考虑的问题，计算低秩（LR）恢复矩阵稀疏误差。基于低秩矩阵恢复在统计学习、计算机视觉和信号处理中的成功应用，提出了一种基于Fisher判别正则化（FDLR）的低秩矩阵恢复算法。标准的低秩矩阵恢复算法将原始矩阵分解为一组具有相应稀疏误差的代表基，用于对原始数据进行建模。受Fisher准则的启发，所提出的FDLR以监督的方式执行低秩矩阵恢复，即，当整个标签信息可用时，考虑类内散布和类间散布。本文表明，制定的模型可以解决的增广拉格朗日乘子，并提供了额外的鉴别能力超过标准的低秩恢复模型。通过所提出的方法学习的代表性基础被鼓励在同一类内更接近，并且在不同类之间尽可能接近。同时，稀疏错误恢复的FDLR没有像往常一样被丢弃，但作为一个反馈，在下面的分类任务。数值仿真结果表明，该算法达到了最先进的结果。
In this paper, we consider the issue of computing low rank (LR) recovery of matrices with sparse errors. Based on the success of low rank matrix recovery in statistical learning, computer vision and signal processing, a novel low rank matrix recovery algorithm with Fisher discrimination regularization (FDLR) is proposed. Standard low rank matrix recovery algorithm decomposes the original matrix into a set of representative basis with a corresponding sparse error for modeling the raw data. Motivated by the Fisher criterion, the proposed FDLR executes low rank matrix recovery in a supervised manner, i.e., taking the with-class scatter and between-class scatter into account when the whole label information are available. The paper shows that the formulated model can be solved by the augmented Lagrange multipliers and provides additional discriminating power over the standard low rank recovery models. The representative bases learned by the proposed method are encouraged to be closer within the same class, and as far as possible between different classes. Meanwhile, the sparse error recovered by FDLR is not discarded as usual, but treated as a feedback in the following classification tasks. Numerical simulations demonstrate that the proposed algorithm achieves the state of the art results.
登录
查看更多内容
DOI：
10.1109/cvpr.2010.5539967
发表时间：
2010-06
期刊：
2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition
影响因子：
--
作者：
Xiao-Tong Yuan;Shuicheng Yan
通讯作者：
Xiao-Tong Yuan;Shuicheng Yan
DOI：
10.1109/tnnls.2013.2249088
发表时间：
2013-03
影响因子：
10.4
作者：
Jian Yang;D. Chu;Lei Zhang;Yong Xu;Jing-yu Yang
通讯作者：
Jian Yang;D. Chu;Lei Zhang;Yong Xu;Jing-yu Yang
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
影响因子：
23.6
作者：
YanShuicheng;Xudong;ZhangBenyu;ZhangHong-Jiang;YangQiang;LinStephen
通讯作者：
YanShuicheng;Xudong;ZhangBenyu;ZhangHong-Jiang;YangQiang;LinStephen
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