公开(公告)号：CN101877053B

公开(公告)日：2012-03-28

申请号：CN200910238335.6

申请日：2009-11-25

Applicant: 北京交通大学

Inventor： 赵嘉莉 ,  黄雅平 ,  田媚 ,  王文秀 ,  罗四维

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了属于图像处理技术范围的一种人脸识别的半监督邻域判别分析方法。该方法能够保留数据的局部结构而且具有判别能力。半监督邻域判别分析(SSNDA)方法是针对人脸的图像数据，利用谱图理论作为工具，充分利用已标记的数据类标签提供的信息，以及已标记与未标记数据的相似度信息来构建邻接矩阵ASSNDA，充分利用已标记的数据类标签提供的信息，以及已标记与未标记数据的相似度信息。该方法这样来构建邻接矩阵ASSNDA：SSNDA的低维特征表示包含了标记数据的判别信息以及已标记和未标记数据的局部结构信息。通过实际的人脸识别实验验证了SSNDA的高效性和稳定性，并且其性能优于LDA方法。

公开(公告)号：CN101877053A

公开(公告)日：2010-11-03

申请号：CN200910238335.6

申请日：2009-11-25

Applicant: 北京交通大学

Inventor： 赵嘉莉 ,  黄雅平 ,  田媚 ,  王文秀 ,  罗四维

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了属于图像处理技术范围的一种人脸识别的半监督邻域判别分析方法。该方法能够保留数据的局部结构而且具有判别能力。半监督邻域判别分析(SSNDA)方法是针对人脸的图像数据，利用谱图理论作为工具，充分利用已标记的数据类标签提供的信息，以及已标记与未标记数据的相似度信息来构建邻接矩阵ASSNDA，充分利用已标记的数据类标签提供的信息，以及已标记与未标记数据的相似度信息。该方法这样来构建邻接矩阵A-SSNDA：SSNDA的低维特征表示包含了标记数据的判别信息以及已标记和未标记数据的局部结构信息。通过实际的人脸识别实验验证了SSNDA的高效性和稳定性，并且其性能优于LDA方法。