鲁棒的低秩鉴别嵌入回归

摘要

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L 2,1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.