基于FLPP的极端学习机人脸识别方法 |
| |
引用本文: | 刘佳奇,闫德勤,何阳.基于FLPP的极端学习机人脸识别方法[J].教育技术导刊,2018,17(4):28-31. |
| |
作者姓名: | 刘佳奇 闫德勤 何阳 |
| |
作者单位: | 辽宁师范大学 计算机与信息技术学院,辽宁 大连 116081 |
| |
摘 要: | 极端学习机(ELM)训练速度快、分类率高,已被广泛应用于人脸识别领域,但是在实际问题中由于数据具有较高维数,导致ELM在有限样本下存在学习不充分的问题。传统对数据进行有效维数约简的方法,没有考虑到数据之间判别信息和小样本问题。为此,提出一种强制性保留算法(FLPP),以保持全部样本与局部样本之间的几何结构,同时类间离散度矩阵加入判别信息,因此避免了样本点重叠和小样本问题。实验结果表明,该算法有效提高了极端学习机的泛化性能和分类准确率。
|
关 键 词: | 维数约简 强制性保留 极端学习机 人脸识别 |
|
| 点击此处可从《教育技术导刊》浏览原始摘要信息 |
| 点击此处可从《教育技术导刊》下载免费的PDF全文 |
|