殷飞
- 作品数：3 被引量：16H指数：2
- 供职机构：西安电子科技大学电子工程学院智能感知与图像理解教育部重点实验室更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划长江学者和创新团队发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于面向分类准则的维数约简及其在人脸识别中的应用
- 2014年
- 针对高维数据导致的维数灾难问题,提出了一种基于面向分类准则的维数约简方法。所提准则使每个训练样本在特征空间中与同类样本尽可能接近,而与异类样本尽可能疏远。首先对每个训练样本定义同类样本加权平均距离和异类样本加权平均距离。然后基于上述两个概念分别定义总体同类距离和总体异类距离。以最小化总体同类距离和最大化总体异类距离为目的提出了面向分类的准则(Classification Oriented Criterion,COC)。最后,基于面向分类的准则推导出了一种新的维数约简方法。在公共人脸数据库ORL和Yale上的实验表明所提方法性能优于有代表性的维数约简方法。
- 殷飞焦李成
- 关键词：维数约简人脸识别
- 基于旋转扩展和稀疏表示的鲁棒遥感图像目标识别被引量：10
- 2012年
- 针对含有残缺图像的遥感图像目标识别问题,提出一种基于旋转扩展和稀疏表示的目标识别方法.首先对训练集进行旋转扩展,使得测试图像能近似用训练集稀疏表示,然后通过求解一个l1范数最小化问题得到测试图像相对于训练集的一个稀疏表示,进而根据不同类对应的稀疏表示对测试图像的近似程度进行识别.与代表性的方法进行比较,实验结果与分析表明,该方法识别率优于已有方法,对残缺图像的识别有较好的鲁棒性,且在小样本、低采样率情况下也能保持较好的识别性能.
- 殷飞焦李成
- 基于子空间类标传播和正则判别分析的单标记图像人脸识别被引量：6
- 2014年
- 针对单标记图像人脸识别问题,该文提出一种基于子空间类标传播和正则判别分析的半监督维数约简方法。首先,基于子空间假设设计了一种类标传播方法,将类标信息传播到无类标样本上。然后,在传播得到的带类标数据集上使用正则判别分析对数据进行维数约简。最后,在低维空间使用最近邻方法对测试人脸完成识别。在3个公共人脸数据库CMU PIE,Extended Yale B和AR上的实验,验证了该方法的可行性和有效性。
- 殷飞焦李成杨淑媛
- 关键词：人脸识别
