导读:本文包含了无监督鉴别投影论文开题报告文献综述及选题提纲参考文献，主要关键词:人脸识别,特征提取,流形学习,局部散度
无监督鉴别投影论文文献综述
刘粉香,李勇智,沈凤仙[1]（2011）在《基于统计不相关的无监督鉴别投影映射(UDP)特征提取方法》一文中研究指出基于UDP(Unsupervised Discriminant Projection)特征提取方法的研究,本文提出改进算法:具有统计不相关性的UDP计算方法,并探讨该方法的有效性。这种方法的目的是寻求一组最佳鉴别矢量,使投影变换后的特征空间的非局部散度最大、局部散度最小,从而减小最佳鉴别矢量间的统计相关性。通过在不同人脸库上的仿真实验验证了所提出改进算法在一定程度上优于已有的UDP算法。(本文来源于《计算机与现代化》期刊2011年12期）
陈才扣,侯钰[2]（2011）在《自适应监督鉴别投影分析》一文中研究指出针对无监督鉴别投影的缺点,本文提出了一种自适应监督鉴别投影分析算法。该算法它将动态反馈策略集成到散布矩阵的构造过程中,同时充分利用了训练样本的类别信息。在AR库和FERET库上的实验结果表明本文的方法较UDP等传统的特征抽取识别性能更高。(本文来源于《中国自动化学会控制理论专业委员会A卷》期刊2011-07-22）
陈才扣,喻以明,姜敏,丁鑫龙[3]（2011）在《基于局部均值的监督鉴别投影算法》一文中研究指出无监督鉴别投影(Unsupervised Discriminant Analysis,UDP)是一种有效的基于局部性的无监督投影技术,但该方法没有利用可以增强鉴别力的类别信息。本文提出一种增强的UDP算法,即基于局部均值的监督投影算法。该方法使用鲁棒性更强的局部均值来保持样本局部结构特性的同时,充分利用了样本的类别标签信息,从而使得投影后的样本具有更好的可分性。在ORL、FERET和AR人脸数据库上的实验结果验证了所提算法的有效性。(本文来源于《Proceedings of 2011 AASRI Conference on Applied Information Technology（AASRI-AIT 2011 V1）》期刊2011-07-16）
陈才扣,喻以明,姜敏,丁鑫龙[4]（2010）在《基于局部均值的监督鉴别投影算法》一文中研究指出无监督鉴别投影(Unsupervised Discriminant Analysis,UDP)是一种有效的基于局部性的无监督投影技术,但该方法没有利用可以增强鉴别力的类别信息。本文提出一种增强的UDP算法,即基于局部均值的监督投影算法。该方法使用鲁棒性更强的局部均值来保持样本局部结构特性的同时,充分利用了样本的类别标签信息,从而使得投影后的样本具有更好的可分性。在ORL、FERET和AR人脸数据库上的实验结果验证了所提算法的有效性。(本文来源于《Proceedings of 2010 International Conference on Circuit and Signal Processing & 2010 Second IITA International Joint Conference on Artificial Intelligence(Volume 2)》期刊2010-12-25）
殷俊,金忠[5]（2010）在《完备非监督鉴别投影与人脸图像分析》一文中研究指出针对已有的非监督鉴别投影(UDP)仅仅利用局部散布矩阵的零空间外信息,导致零空间内信息丢失的问题,为了同时利用局部散布矩阵的零空间内和零空间外的信息,提出一种完备的非监督鉴别投影(CUDP)算法.在局部散布矩阵的零空间内,通过最大化非局部散布提取有效特征;在局部散布矩阵的零空间外,通过最大化非局部散布同时最小化局部散布提取其有效特征;最后将这2类特征组合起来形成CUDP的特征.在ORL和FERET人脸库上的人脸识别实验,以及CMU和Yale人脸库上的人脸表情识别实验的结果,证明了CUDP算法的有效性.(本文来源于《计算机辅助设计与图形学学报》期刊2010年11期）
刘粉香,李勇智,吴松松[6]（2010）在《基于正交化的无监督鉴别投影映射(UDP)特征提取的人脸识别方法》一文中研究指出基于UDP(Unsupervised Discriminant Projection)特征提取方法的研究,本文提出改进算法:基于正交化的UDP算法。正交化的UDP算法是基于样本的局部散度、非局部散度及正交化的条件建立准则函数。准则的目的是在满足共轭正交条件下,寻求一组投影轴使得投影后的样本特征的非局部散度最大,局部散度最小。通过在YALE库和AR库人脸库上进行实验,结果表明本文提出的正交化的UDP算法在识别率方面整体上要好于UDP算法。(本文来源于《计算机与现代化》期刊2010年09期）
史骏,陈才扣[7]（2009）在《核监督鉴别投影分析在人脸识别中的应用》一文中研究指出提出一种核监督鉴别投影分析方法.首先将训练样本通过一个核函数非线性映射到特征空间,在该特征空间分别计算样本的局部、非局部和类内离散度,设计了一个改进的鉴别准则函数,基于该准则获得一组最优投影轴,使得投影后的样本不仅保留局部邻域信息,而且能够抽取更有利分类的非线性鉴别特征.在Yale人脸数据库上的实验结果表明:文中方法有效且性能优于Fisher线性鉴别分析和非监督鉴别投影分析方法.(本文来源于《微电子学与计算机》期刊2009年10期）
曹丽,陈才扣[8]（2009）在《核无监督鉴别投影及人脸识别》一文中研究指出提出一种基于核方法的无监督鉴别投影,在较好地描述人脸图像的同时,对图像进行有效地分类。对核局部保留投影(KLPP)和无监督鉴别投影技术(UDP)进行了相应的研究,将两者互相结合。该方法同时考虑到样本的局部特性和非局部特性,有效地利用了对分类有用的重要信息;此外,将核方法和流形学习方法结合起来,有效地描述人脸图像的非线性变化,对于人脸识别问题有较好的效果。在Yale库上的实验表明,该方法的识别率明显高于UDP和PCA,且有较好的分类效果。(本文来源于《计算机工程与设计》期刊2009年15期）
无监督鉴别投影论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对无监督鉴别投影的缺点,本文提出了一种自适应监督鉴别投影分析算法。该算法它将动态反馈策略集成到散布矩阵的构造过程中,同时充分利用了训练样本的类别信息。在AR库和FERET库上的实验结果表明本文的方法较UDP等传统的特征抽取识别性能更高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
无监督鉴别投影论文参考文献
[1].刘粉香,李勇智,沈凤仙.基于统计不相关的无监督鉴别投影映射(UDP)特征提取方法[J].计算机与现代化.2011
[2].陈才扣,侯钰.自适应监督鉴别投影分析[C].中国自动化学会控制理论专业委员会A卷.2011
[3].陈才扣,喻以明,姜敏,丁鑫龙.基于局部均值的监督鉴别投影算法[C].Proceedingsof2011AASRIConferenceonAppliedInformationTechnology（AASRI-AIT2011V1）.2011
[4].陈才扣,喻以明,姜敏,丁鑫龙.基于局部均值的监督鉴别投影算法[C].Proceedingsof2010InternationalConferenceonCircuitandSignalProcessing&2010SecondIITAInternationalJointConferenceonArtificialIntelligence(Volume2).2010
[5].殷俊,金忠.完备非监督鉴别投影与人脸图像分析[J].计算机辅助设计与图形学学报.2010
[6].刘粉香,李勇智,吴松松.基于正交化的无监督鉴别投影映射(UDP)特征提取的人脸识别方法[J].计算机与现代化.2010
[7].史骏,陈才扣.核监督鉴别投影分析在人脸识别中的应用[J].微电子学与计算机.2009
[8].曹丽,陈才扣.核无监督鉴别投影及人脸识别[J].计算机工程与设计.2009