基于粗糙集理论的特征向量降维用于人脸识别
计算机视觉与模式识别
2010-07-01 v1
摘要
本文描述了一种减小输入特征向量尺寸的方法。像人脸识别这样的复杂模式识别问题涉及巨大的输入特征向量维度。为了降低该维度，我们使用了特征空间投影（也称为主成分分析），这本质上是空间的变换。为了进一步降维，我们应用了特征选择方法来选择不可或缺的特征，这些特征将保留在最终的特征向量中。未被选中的特征被视为冗余或多余的，并从最终特征向量中移除。对于特征选择，我们使用了粗糙集理论中的约简和核的概念。该方法表现出非常好的性能。值得一提的是，在某些情况下，识别率随着特征向量维度的降低而提高。
引用
@article{arxiv.1005.4044,
title = {Reduction of Feature Vectors Using Rough Set Theory for Human Face Recognition},
author = {Debotosh Bhattacharjee and Dipak Kumar Basu and Mita Nasipuri and M. Kundu},
journal= {arXiv preprint arXiv:1005.4044},
year = {2010}
}