算法简介 LPP 可以被看做是PCA(Principal component analysis)的替代,同时与LE(Laplacian eigenmaps)及 LLE(Locally Linear Embedding)有着非常相近的性质。 在日常分析过程中,我们所处理的数据往往是具有较高维度的,例如典型的人脸识别数据集如果是 100×100 的,进行reshape操作后可能变成 10000×1 ,数据维度大大增加...
本文提出了一种新的改进算法——谱回归判别局部保持投影SRDLPP(Spectral Regression Discriminant Locality Preserving Projection)。其在LPP算法中加入了谱回归判别分析算法,这样可以避免解密度矩阵特征分解时带来的高昂的内存和时间的消耗。分别在Yale、Orl和扩展Yale_B人脸库上进行实验,实验结果表明,本算法优于其他算法。
lpp算法 Locality Preserving Projections Xiaofei He Department of Computer Science The University of Chicago Chicago,IL60637 xiaofei@cs.uchicago.edu Partha Niyogi Department of Computer Science The University of Chicago Chicago,IL60637 niyogi@cs.uchicago.edu Abstract Many problems in information processing ...
基于中心域的LPP算法研究
1. Re:关于近邻保持算法LLE,LPP,NPE等算法的实现---流行学习 ORL数据集用NPE降维到80维是怎么达到70%准确率的,我弄了好久也只有30%多 --ouyilide 2. Re:Robust principal component analysis?(RPCA简单理解) 博主您好,源代码链接失效了,请问可以从新发一个链接吗?非常感谢 379040686 --seed123 3. Re:Robust...
局部保持投影(LocalityPreservingProjections，LPP)是一种新的子空间分析方法，它是非线性方法LaplacianEigen...
要:针对LPP算法中最近相邻图不能很好地表示流形的局部结构问题,提出一种基于中心域的保局投影算法。该算法采 用LBP获取图像的高阶全局统计信息,并将其投影到LPP的流形空间。流形空间的获取是以各图像间的中心域的欧式距离 为标准构建最近相邻图,使其可以简单地、较好地表示流形局部结构,并得到数量较少的特征维数。
LPP_OLPP算法 LocalityPreservingProjection XiruiSun2011-12-1 OUTLINE •LaplacianEigenmap(LE)•LocalityPreservingProjections(LPP)•OrthogonalLocalityPreservingProjections(OLPP)•TensorSubspaceAnalysis(TSA)•KernelLocalityPreservingProjection LaplacianEigenmap(LE)•Laplacianeigenmapsfordimensionalityreductionanddata...
基于改进的LPP_SIFT人脸识别算法
KNN算法简介 KNN(K-Nearest Neighbor)工作原理:存在一个样本数据集合,也称为训练样本集,并且样本集中每个数据都存在标签,即我们知道样本集中每一数据与所属分类对应的关系。输入没有标签的数据后,将新数据中的每个特征与样本集中数据对应的特征进行比较,提取出样... ·卿欢· 0 1944 学习流行算法有感 2017-...