江苏省自然科学基金(08KJB520008)
- 作品数：2 被引量：19H指数：1
- 相关作者：于成龙胡素君李云更多>>
- 相关机构：南京邮电大学更多>>
- 发文基金：江苏省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于PCA的特征选择算法被引量：18
- 2011年
- 在人脸识别的某些应用中,最好能够找到原始特征的关键子集,减少不必要的特征计算和资源耗费,而不是得到所有原始特征的映射。主成分分析法(Principal Components Analysis,PCA)是目前比较常用的人脸识别算法,PCA将人脸图像映射到能很好地表征训练图像集的特征脸空间中,但是基于PCA的人脸识别的缺陷在于原始空间所有的特征都映射到了低维特征空间中,是基于最佳描述性特征子集。提出了一种新的基于PCA的特征选择方法,将特征选择与特征抽取相结合,对特征脸空间再进行特征选择,选择人脸原始特征集中最关键的特征,并将其应用在基于PCA的人脸识别中。
- 于成龙
- 关键词：人脸识别特征脸
- 排序特征子集选取方法研究被引量：1
- 2010年
- 特征选择是机器学习和数据挖掘领域的一个关键问题。而对于高维数据,通常会利用特定的评价准则,获取原始特征的权重并进行排序。而如何从排序后的特征集中选择较优子集,仍然值得探讨。文中提出了一种简单的特征排序后子集选取的过滤器方法,基本思想就是将指数熵与模糊特征评价指标相结合,利用类似顺序前向选择的搜索策略,通过寻找模糊特征评价指标的变化曲线拐点,作为搜索的终止条件。通过理论分析以及在合成和基准的现实数据集上的实验表明该方法具有较好的性能。
- 胡素君李云
- 关键词：排序指数熵
