基于高斯过程隐变量模型的图像数据降维算法
来源期刊:控制工程2014年第5期
论文作者:郭莉莉 刘春光 王迪 韩忠华
文章页码:687 - 690
关键词:高斯过程隐变量模型;数据降维;人脸识别;超参数;概率最大化;
摘 要:针对传统谱算法在数据降维计算复杂度高的缺点,提出一种基于高斯过程隐变量模型的图像数据降维算法。首先,通过高斯过程(Gaussian Process,GP)建立图像数据的概率模型,得到图像数据的隐变量模型;其次,利用概率最大化原则得到最优超参数,通过最优超参数求取最优数据降维结果;最后,实现图像数据降维。选取Yale,ORL两类数据集与传统算法进行人脸识别对比实验,实验结果表明:所提出的算法针对图像数据降维问题有较好的效果,结合支持向量机算法,可有效地对人脸图像进行识别,且有较高的识别率,从而体现出算法对高维数据降维的准确性。
郭莉莉1,刘春光2,王迪1,韩忠华3
1. 沈阳城市建设学院信息系2. 沈阳建筑大学学报编辑部3. 沈阳建筑大学信息与控制工程学院
摘 要:针对传统谱算法在数据降维计算复杂度高的缺点,提出一种基于高斯过程隐变量模型的图像数据降维算法。首先,通过高斯过程(Gaussian Process,GP)建立图像数据的概率模型,得到图像数据的隐变量模型;其次,利用概率最大化原则得到最优超参数,通过最优超参数求取最优数据降维结果;最后,实现图像数据降维。选取Yale,ORL两类数据集与传统算法进行人脸识别对比实验,实验结果表明:所提出的算法针对图像数据降维问题有较好的效果,结合支持向量机算法,可有效地对人脸图像进行识别,且有较高的识别率,从而体现出算法对高维数据降维的准确性。
关键词:高斯过程隐变量模型;数据降维;人脸识别;超参数;概率最大化;