导读:本文包含了子类判别分析论文开题报告文献综述及选题提纲参考文献，主要关键词:代价敏感降维,人脸识别,子类学习
子类判别分析论文文献综述
万建武,杨明[1]（2013）在《一种引入成对代价的子类判别分析》一文中研究指出传统的降维方法追求较低的识别错误率,假设不同错分的代价相同,这个假设在一些实际应用中往往不成立.例如,在基于人脸识别的门禁系统中,存在入侵者类和合法者类,将入侵者错分成合法者的损失往往高于将合法者错分成入侵者的损失,而将合法者错分成入侵者的损失又大于将合法者错分成其他合法者的损失.为此,首先通过对人脸识别门禁系统进行分析,将其归为一个代价敏感的子类学习问题,然后将错分代价以及子类信息同时注入判别分析的框架中,提出一种近似于成对贝叶斯风险准则的降维算法.在人脸数据集Extended Yale B以及ORL上的实验结果表明了该算法的有效性.(本文来源于《软件学报》期刊2013年11期）
江山[2]（2013）在《融合Gabor与二维多子类判别分析的人脸识别算法》一文中研究指出人脸识别是模式识别领域中非常重要的研究方向,近十年中,大量的人脸识别算法得到深入的研究和广泛的应用,例如在平台访问控制,信息可视化监控和身份信息验证等方面,人脸识别算法都起到非常重要的作用。人脸识别主要分为两个部分,分别为人脸检测和特征提取,本文主要对目前流行的特征提取算法做出了阐述,研究如何有效的提取人脸信息特征,并提出融合Gab or与二维多子类判别分析的人脸识别算法。鉴别分析方法是机器视觉中最重要的特征提取方法,有着广泛的应用。本文针对主流的鉴别分析算法进行了研究,鉴别分析方法的优点是将高维向量降维到低维空间中,并且在低维空间中能够有效的将样本进行分类,例如常用的主元分算法PCA,线性鉴别分析算法(LDA)等。LDA算法的核心思想是最大化类间距离的同时最小化类内距离,以达到最优的分类效果,产生最优投影矩阵。但是无论是主成分分析法PCA还是线性判别分析LDA算法,都有一定的不足,线性鉴别分析算法要求需要降维的人脸数据满足不同均值的高斯分布,而在人脸样本库中,由于存在光照,表情等外部条件变化,会导致人脸图像产生非凸复杂分布,单纯使用LDA算法在有光照和表情变换的时候,会导致识别性能下降。这是人脸识别领域需要解决的重要问题之一。针对人脸识别中普遍存在的小样本问题和在光照、表情、姿态变换情况下的识别问题,本文提出一种Gab or和二维多子类判别分析(2DSDA)结合的人脸识别方法,该算法首先对人脸图像的结构信息进行多方向、多尺度的Gab or小波滤波。Gab or小波核函数能够扑捉人脸图像的空间频率(尺度)、空间位置及方向选择性的局部结构信息,能够放大人脸图像的细节并且对外在环境因素不敏感。但经过变换后的人脸图像,会产生大量的样本,因此需要对Gab or卷积后的样本进行下采样,形成Gab or特征矩阵。然后对得到的Gab or特征矩阵使用2DSDA算法进行变换降维,2DSDA算法的优势有如下两个：12DSDA算法能够有效利用人脸图像的结构信息,并且本文证明2DSDA算法在人脸识别中可以避免小样本问题,且降低时间复杂度和存储空间。2.2DSDA算法对属于同一样本的信息进行子类划分,该算法将样本空间看做是混合高斯分布,对属于同一类的样本进行子类划分,子类划分的规则直接影响着识别率的高低,本文中提出稳定性法则,利用类间散度矩阵和总体散度矩阵的特征向量的夹角,自适应的对属于同一类别的样本进行子类划分,达到最优的分类结果。最后使用最近邻法则进行分类。本文算法在ORL和AR人脸数据库上的实验表明,当存在表情变化和光照不均匀的情况,Gabor-2DSDA算法仍然具有较高的识别率,对外部因素变化有较好的鲁棒性,并且从实验结果可以看出Gabor-2DSDA具有很高的稳定性。实验证明了Gabor-2DSDA算法的正确性和实用价值。(本文来源于《吉林大学》期刊2013-04-01）
贾丽华[3]（2012）在《基于子类判别分析和快速角点检测的鼻子定位研究》一文中研究指出人脸图像中眼睛、眉毛、鼻子等部件的检测和定位是人脸识别领域的重要研究课题,对于提高人脸识别系统的性能有重要的意义,同时,人脸部件的定位对于人脸检测、头部姿势估计、人脸表情分析等研究也有着非常重要的价值。本文重点研究光照变化和表情变化情况下的鼻子定位问题,提出了基于子类判别分析(Subclass Discriminant Analysis, SDA)的鼻子定位方法。同时,为了进一步提高鼻子定位的精度,本文还研究了人脸图像中鼻孔的定位问题,提出了一种基于快速角点检测(Fast Corner Detection)和同态滤波的鼻孔定位方法。具体而言,本文主要的研究内容和成果如下：(1)研究了基于SDA的鼻子定位方法,较好地解决光照变化和表情变化情况下的鼻子定位问题。本文提出的鼻子定位方法包含两个基于SDA算法的鼻子定位阶段,两个阶段的不同在于用于训练SDA分类器的鼻子负样本选取的不同。在粗定位阶段,我们从人脸图像中随机选取图像块作为负样本,而在精确定位阶段,我们选取包含部分鼻子且不以鼻尖为中心的图像块以及鼻子周围邻域的图像块作为负样本。粗定位阶段从整个人脸区域定位鼻子,而精确定位阶段则在粗定位的鼻子区域周围对鼻子位置作修正。本方法在没有利用脸部部件位置关系先验知识的情况下,从人脸区域直接定位鼻子。在328个包含不同表情和光照的AR人脸图像以及161个包含较小姿势变化的FERET图像上进行实验,获得较高的鼻子定位成功率。(2)研究了基于快速角点检测和同态滤波的定位鼻孔问题。根据鼻孔灰度值低于鼻孔邻域内像素灰度值的特点,应用快速角点检测定位鼻孔候选点。同时,采用同态滤波二值化图像方法定位鼻孔候选点。筛选和综合两种方法定位出的鼻孔候选点,得到唯一的左鼻孔和右鼻孔。该方法结合了两种方法鼻子定位的优势,使得本文提出的基于快速角点检测和同态滤波的鼻孔定位方法在不同光照和不同表情条件下,都能获得较好的鼻孔定位成功率。最后,由鼻孔与鼻尖的几何位置分布关系,利用鼻孔位置修正鼻尖位置,进一步提高了鼻尖定位精度。(本文来源于《太原理工大学》期刊2012-05-01）
子类判别分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
人脸识别是模式识别领域中非常重要的研究方向,近十年中,大量的人脸识别算法得到深入的研究和广泛的应用,例如在平台访问控制,信息可视化监控和身份信息验证等方面,人脸识别算法都起到非常重要的作用。人脸识别主要分为两个部分,分别为人脸检测和特征提取,本文主要对目前流行的特征提取算法做出了阐述,研究如何有效的提取人脸信息特征,并提出融合Gab or与二维多子类判别分析的人脸识别算法。鉴别分析方法是机器视觉中最重要的特征提取方法,有着广泛的应用。本文针对主流的鉴别分析算法进行了研究,鉴别分析方法的优点是将高维向量降维到低维空间中,并且在低维空间中能够有效的将样本进行分类,例如常用的主元分算法PCA,线性鉴别分析算法(LDA)等。LDA算法的核心思想是最大化类间距离的同时最小化类内距离,以达到最优的分类效果,产生最优投影矩阵。但是无论是主成分分析法PCA还是线性判别分析LDA算法,都有一定的不足,线性鉴别分析算法要求需要降维的人脸数据满足不同均值的高斯分布,而在人脸样本库中,由于存在光照,表情等外部条件变化,会导致人脸图像产生非凸复杂分布,单纯使用LDA算法在有光照和表情变换的时候,会导致识别性能下降。这是人脸识别领域需要解决的重要问题之一。针对人脸识别中普遍存在的小样本问题和在光照、表情、姿态变换情况下的识别问题,本文提出一种Gab or和二维多子类判别分析(2DSDA)结合的人脸识别方法,该算法首先对人脸图像的结构信息进行多方向、多尺度的Gab or小波滤波。Gab or小波核函数能够扑捉人脸图像的空间频率(尺度)、空间位置及方向选择性的局部结构信息,能够放大人脸图像的细节并且对外在环境因素不敏感。但经过变换后的人脸图像,会产生大量的样本,因此需要对Gab or卷积后的样本进行下采样,形成Gab or特征矩阵。然后对得到的Gab or特征矩阵使用2DSDA算法进行变换降维,2DSDA算法的优势有如下两个：12DSDA算法能够有效利用人脸图像的结构信息,并且本文证明2DSDA算法在人脸识别中可以避免小样本问题,且降低时间复杂度和存储空间。2.2DSDA算法对属于同一样本的信息进行子类划分,该算法将样本空间看做是混合高斯分布,对属于同一类的样本进行子类划分,子类划分的规则直接影响着识别率的高低,本文中提出稳定性法则,利用类间散度矩阵和总体散度矩阵的特征向量的夹角,自适应的对属于同一类别的样本进行子类划分,达到最优的分类结果。最后使用最近邻法则进行分类。本文算法在ORL和AR人脸数据库上的实验表明,当存在表情变化和光照不均匀的情况,Gabor-2DSDA算法仍然具有较高的识别率,对外部因素变化有较好的鲁棒性,并且从实验结果可以看出Gabor-2DSDA具有很高的稳定性。实验证明了Gabor-2DSDA算法的正确性和实用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
子类判别分析论文参考文献
[1].万建武,杨明.一种引入成对代价的子类判别分析[J].软件学报.2013
[2].江山.融合Gabor与二维多子类判别分析的人脸识别算法[D].吉林大学.2013
[3].贾丽华.基于子类判别分析和快速角点检测的鼻子定位研究[D].太原理工大学.2012