一种基于判别共享邻域保持的极限学习机人脸降维方法
公开
摘要
本发明公开了一种基于判别共享邻域保持的极限学习机人脸降维方法，包括如下步骤：S1、图像预处理：对人脸图像采集模块采集到的人脸图像进行尺度归一化处理；S2、输入层：输入经过尺度归一化处理的人脸特征X；S3、隐含层：选用非线性激励函数，将单样本人脸特征X随机非线性映射到N维特征空间，变换得到特征H(X)；S4、输出层：固定特征H(X)；S5、样本数据库：存储经过降维处理的人脸样本数据t。本发明提出了SGRD‑ELM算法。SGRD‑ELM既考虑了样本的类别信息，又注重挖掘任意两个样本点的共享近邻信息，在样本数据降维到64维的情况下，实验结果对比LLE方法的人脸识别率平均提高了10％‑14％，对比了US‑ELM方法的人脸识别率平均提高了6％‑8％。
基本信息
专利标题 ：
一种基于判别共享邻域保持的极限学习机人脸降维方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114596603A
申请号 ：
CN202011415767.2
公开（公告）日 ：
2022-06-07
申请日 ：
2020-12-03
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
吕巨建李灿耀赵慧民陈荣军熊建斌李键红
申请人 ：
广东技术师范大学
申请人地址 ：
广东省广州市天河区中山大道西293号
代理机构 ：
广州蓝晟专利代理事务所(普通合伙)
代理人 ：
欧阳凯
优先权 ：
CN202011415767.2
主分类号 ：
G06V40/16
IPC分类号 ：
G06V40/16 G06V10/82 G06N3/04 G06N3/08
法律状态
2022-06-07 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
