特征提取中的子空間分析方法研究及其應(yīng)用.pdf

1、特征提取是統(tǒng)計(jì)模式識(shí)別中的關(guān)鍵問題。至今已經(jīng)提出了許多方法用來提取特征。其中，子空間分析方法是最有效的方法之一。子空間分析方法的本質(zhì)就是把原始的高維樣本投影到一個(gè)更有利于分類的低維特征子空間。本文討論并提出了幾個(gè)新的的子空間分析方法。論文的主要貢獻(xiàn)歸納如下： (1)作為主成份分析方法(PCA)的一種推廣，獨(dú)立成份分析(ICA)方法已經(jīng)被證明是一種有效的特征提取方法。本文詳細(xì)地回顧了獨(dú)立成份分析方法和介紹了幾種常用的算法，并且給出

2、了這些算法的優(yōu)缺點(diǎn)評價(jià)。 (2)當(dāng)ICA被應(yīng)用到一些高維模式識(shí)別問題，如人臉識(shí)別，常常會(huì)遇到兩個(gè)問題：小樣本問題和基函數(shù)(獨(dú)立成份)的選擇問題。這兩個(gè)問題使ICA分類器變得不穩(wěn)定和發(fā)生偏差。本文采用集成學(xué)習(xí)的途徑，提出了一個(gè)增強(qiáng)型的ICA算法：隨機(jī)獨(dú)立子空間(RIS)方法。人臉識(shí)別實(shí)驗(yàn)表明該方法能有效地改善ICA的性能。 (3)ICA本質(zhì)上是一種線性的方法，因此不能描述數(shù)據(jù)中復(fù)雜的非線性關(guān)系，比如由光照、扭曲等原因產(chǎn)生的

3、非線性變量。核技巧是一種能有效描述數(shù)據(jù)間非線性關(guān)系的方法。在本文中，把核技巧引入到ICA方法中，從而得到一種能有效描述非線性變量的非線性ICA方法：核獨(dú)立成份分析，簡稱KICA。 (4)近年來，因?yàn)槟軌虻玫礁呔S數(shù)據(jù)的近似本質(zhì)子空間而使流形學(xué)習(xí)方法倍受關(guān)注?；诰植勘Ａ舻乃枷?，本文提出了一種新的子空間分析方法：監(jiān)督的核局部保留投影(SKLPP)方法。由于采用了非線性核映射，因此該方法能較好地描述非線性變量。同時(shí)，由于采用監(jiān)督的形式