南京航空航天大学学报

作者：姚裕，万鸣华，黄伟

单位：南京审计大学信息工程学院，南京 211815；,南京审计大学信息工程学院，南京 211815；,韩山师范学院计算机与信息工程学院，潮州521041；

关键词：局部保持投影;低秩回归;监督;特征提取;流形学习

基金：2020年江苏省科研与实践创新计划（SJCX20_0670）资助项目；国家自然科学基金面上（61876213）资助项目；江苏省自然科学基金面上（BK20201397）资助项目；江苏省高校自然科学研究重大（18KJA520005）资助项目；2016年广东省自然科学基金-粤东西北创新人才联合培养基金（2016A030307050）资助项目；2016年广东省公益能力研究基金（2016A020225008）资助项目；2017年广东省科技厅平台建设基金（2017A040405062）资助项目。

局部保持投影（Locality preserving projection， LPP）在特征提取中得到了广泛的应用。但是，LPP不使用数据的类别信息，并且采用L2范数来进行距离测量，对异常值高度敏感。本文从监督的角度考虑LPP的权值矩阵，并结合低秩回归的方法，提出一种新的模型来发现和提取特征。利用L2,1范数来约束损失函数和回归矩阵，不仅降低了对异常值的敏感性，而且限制了回归矩阵的低秩条件。然后给出了优化问题的求解方法。最后，本文将该方法应用于多个人脸数据库和掌纹数据集进行了性能测试，并将实验结果与现有的一些方法进行比较，结果表明该方法是有效的。

来源：2021年第5期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2021年第5期