计算机辅助设计与图形学学报

作者：杜江山, 郑利平, 史骏

关键词：图嵌入, 协同表示, 标签传播, 半监督学习, 人脸识别

鉴于协同表示投影方法中只考虑通过样本间协同表示关系构造邻接图,在投影后可能导致来自不同类别的许多样本聚集在一起影响识别结果,提出一种基于区分竞争和协同表示投影方法.首先,通过数据集中所有样本竞争协同地表示每个样本,计算样本间的相似性,以构造类内图描述类内样本的紧致性,同时构造惩罚图刻画不同类样本间的可分性;在此基础上,引入标签传播算法计算出数据集中无标签样本的软标签信息,以消除无标签样本对识别结果的影响;此外,使用非线性映射替换图嵌入框架中的线性内积,以解决原始数据集中的样本在低维空间中的线性不可分问题.在ORL,AR,FERET和Yale B人脸数据集上的实验结果表明,与CRP方法相比,所提方法最大识别率提升了1%~4%,尤其在噪声和模糊干扰下提高了2%~6%.

来源：2022年第6期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2022年第6期