基于核的最小均方误差改进算法及其应用

doi:10.3969/j.issn.1000-3428.2013.01.038

计算机工程 ›› 2013, Vol. 39 ›› Issue (1): 179-182. doi: 10.3969/j.issn.1000-3428.2013.01.038

基于核的最小均方误差改进算法及其应用

赵英男 ^1a,1b,2，吴知 ^1a,1b，金士伟 ^1a,1b

(1. 南京信息工程大学 a. 江苏省网络监控中心；b. 计算机与软件学院，南京 210044； 2. 吉首大学物理科学与信息工程学院，湖南吉首 416000)

收稿日期:2012-02-20 修回日期:2012-05-09 出版日期:2013-01-15 发布日期:2013-01-13
作者简介:赵英男(1973－)，女，副教授、博士，主研方向：人脸识别，图像处理；吴知、金士伟，硕士研究生
基金资助:
国家自然科学基金资助项目“Gabor特征抽取快速算法及人脸识别应用研究”(60702076)；国家自然科学基金资助项目“基于四元数的彩色图像矩函数及其不变量构造研究”(61103141)；江苏高校优势学科建设工程基金资助项目

An Improved Kernel-based Minimum Mean Square Error Algorithm and Its Application

ZHAO Ying-nan ^1a,1b,2, WU Zhi ^1a,1b, JIN Shi-wei ^1a,1b

(1a. Network Monitoring Center of Jiangsu Province; 1b. College of Computer and Software, Nanjing University of Information Science & Technology, Nanjing 210044, China; 2. College of Physics Science & Information Engineering, Jishou University, Jishou 416000, China)

Received:2012-02-20 Revised:2012-05-09 Online:2013-01-15 Published:2013-01-13

摘要/Abstract

摘要： 传统基于核的最小均方误差(KMSE)算法在进行人脸识别时，需要求解多个方程，计算量较大。为此，提出一种用于多类识别的基于核的多元最小均方误差(KMSEMC)算法，该算法只需一个方程即可。在AR人脸库上的实验及数据分析表明，该算法在时间复杂度和识别率等方面计算量较小，在识别性能和计算时间上都优于同类传统算法。

关键词: 模式识别, 人脸识别, 最小均方误差算法, 基于核的最小均方误差算法, 时间复杂度

Abstract: The original Kernel-based minimum Mean Square Error(KMSE) algorithm, depends on a number of equations to address the multi-class classification problem, which causes a large computational afford. A new KMSE algorithm for Multi-class Kernel-based minimum Mean Square Error(KMSEMC) is proposed for multi-class recognization. It uses only one equation to do so, which is not only mathematically tractable but also computationally efficient. Experimental results on AR face databases show that KMSEMC outperforms KMSE in terms of computation and classification accuracy.

Key words: pattern recognition, face recognition, minimum Mean Square Error(MSE) algorithm, Kernel-based minimum Mean Square Error(KMSE) algorithm, time complexity

中图分类号:

TP391

赵英男, 吴知, 金士伟. 基于核的最小均方误差改进算法及其应用[J]. 计算机工程, 2013, 39(1): 179-182.

DIAO Yang-Nan, TUN Zhi, JIN Shi-Wei. An Improved Kernel-based Minimum Mean Square Error Algorithm and Its Application[J]. Computer Engineering, 2013, 39(1): 179-182.

https://www.ecice06.com/CN/Y2013/V39/I1/179

参考文献

[1] Elder N R J, Miner G. Handbook of Statistical Analysis and Data Mining Applications[M]. [S. l.]: Academic Press, 2009.
[2] Park C H, Park H. A Relationship Between Linear Discriminant Analysis and the Generalized Minimum Squared Error Solution[J]. SIAM Journal on Matrix Analysis and Applications, 2005, 27(2): 474-492.
[3] Billings S A, Lee K L. Nonlinear Fisher Discriminant Analysis Using a Minimum Squared Error Cost Function and the Orthogonal Least Squares Algorithm[J]. Neural Networks, 2002, 15(2): 263-270.
[4] Muller K R, Mika S, R?tsch G, et al. An Introduction to Kernel-based Learning Algorithms[J]. IEEE Trans. on Neural Network, 2001, 12(2): 181-201.
[5] Xu Yong, Zhang David, Zhong Jin, et al. A Fast Kernel-based Nonlinear Discriminant Analysis for Multi-class Problems[J]. Pattern Recognition, 2006, 39(6): 1026-1033.
[6] Park M, Cho H. Minimum MSE Regression Estimator with Estimated Population Quantities of Auxiliary Variables[J]. Computational Statistics & Data Analysis, 2008, 53(2): 394-404.
[7] Jang Seunghun, Yang Janghoon, Kim Dongku. Minimum MSE Design for Multiuser MIMO Relay[J]. IEEE Communications Letters, 2010, 14(9): 812-814.
[8] Eldar Y C. Universal Weighted MSE Improvement of the Least-squares Estimator[J]. IEEE Trans. on Signal Processing, 2008, 56(5): 1788-1800.
[9] Xu Jianhua, Zhang Xuegong, Li Yanda. Kernel MSE Algorithm: A Unified Framework for KFD, LS-SVM and KRR[C]//Proc. of International Joint Conference on Neural Networks. Washington D. C., USA: IEEE Press, 2001, 1486-1491
[10] Xu Yong, Zhang David. Accelerating the Kernel-method- based Feature Extraction Procedure from the Viewpoint of Numerical Approximation[J]. Neural Computing and Applications, 2011, 20(7): 1087-1096.
[11] Xu Yong. A New Kernel MSE Algorithm for Constructing Efficient Classification Procedure[J]. International Journal of Innovative Computing, Information and Control, 2009,
5(8): 2439-2447.
[12] Park C H, Park H. Nonlinear Discriminant Analysis Using Kernel Functions and the Generalized Singular Value Decomposition[J]. SIAM Journal on Matrix Analysis and Applications, 2005, 27(1): 87-102.
[13] Kim Hyunsoo, Drake B L, Park H. Adaptive Nonlinear Discriminant Analysis by Regularized Minimum Squared Errors[J]. IEEE Trans. on Knowledge and Data Engineering, 2006, 18(5): 603-612.
[14] Kroeker K L. Face Recognition Breakthrough[J]. Commu- nication of the ACM, 2009, 52(8): 18-19.
[15] 杨清山, 郭成安, 金明录. 基于Gabor多通道加权优化与稀疏表征的人脸识别方法[J]. 电子与信息学报, 2011, 33(7): 1618-1624.
[16] Wright J, Ma Yi, Mairal J, et al. Sparse Representation for Computer Vision and Pattern Recognition[C]//Proceedings of the IEEE, 2010, 98(6): 1031-1044.
[17] Wright J, Allen Y, Ganesh A, et al. Robust Face Recognition via Sparse Representation[J]. IEEE Trans. on Pattern Analysis and Machine Intelligence, 2009, 31(2): 210-227.
[18] Wolpert D H. Stacked Generalization[J]. Neural Networks, 1992, 5(1): 241-260.
[19] Xu Yong, Yang Jingyu, Lu Jianfeng, et al. An Efficient Renovation on Kernel Fisher Discriminant Analysis and Face Recognition Experiments[J]. Pattern Recognition, 2004, 37(10): 2091-2094.
[20] 王庚中, 郎文辉, 杨学志, 等. 利用局部区域SPN的非侵入式图像源辨识研究[J]. 中国图象图形学报, 2011, 16(8): 1353-1358.
[21] 徐勇, 陆剑锋, 金忠, 等. 改进的KMSE方法及其实现[J]. 模式识别与人工智能, 2007, 20(3): 394-398.

选择文件类型/文献管理软件名称

选择包含的内容

基于核的最小均方误差改进算法及其应用

An Improved Kernel-based Minimum Mean Square Error Algorithm and Its Application

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李倩, 向海昀, 张玉婷, 甘昀, 廖浩德. 结合高斯滤波与MASK的G-MASK人脸对抗攻击[J]. 计算机工程, 2024, 50(2): 308-316.
[2]	王雷, 王文发, 宋慧娜, 张帅. 基于相似度评分与二级子系统的设计模式识别[J]. 计算机工程, 2023, 49(1): 210-222.
[3]	徐润昊, 程吉祥, 李志丹, 付小龙. 基于循环生成对抗网络的含遮挡人脸识别[J]. 计算机工程, 2022, 48(5): 289-296,305.
[4]	闫茹, 孙永奇, 朱卫国, 李宇霞. 基于CNN与有限状态自动机的手写体大写金额识别[J]. 计算机工程, 2021, 47(9): 304-312.
[5]	张华悦, 张顺利, 张利. 基于双阶段网络的交互式目标分割算法[J]. 计算机工程, 2021, 47(2): 300-306.
[6]	黄义妨, 魏丹丹, 武淼, 李慧斌, 郭勐. 面向不同传感器与复杂场景的人脸识别系统防伪方法综述[J]. 计算机工程, 2021, 47(12): 1-18.
[7]	孙彦玺, 赵婉婉, 武东辉, 陈继斌, 仇森. 基于卷积长短时记忆网络的人体行为识别研究[J]. 计算机工程, 2021, 47(10): 260-268.
[8]	何卓桁, 刘志勇, 李璐, 李长明, 张琳. 异构文本数据转换中XML解析方法对比研究[J]. 计算机工程, 2020, 46(7): 286-293,299.
[9]	柯鹏飞, 蔡茂国, 吴涛. 基于改进卷积神经网络与集成学习的人脸识别算法[J]. 计算机工程, 2020, 46(2): 262-267,273.
[10]	王丽娟, 李可爱, 郝志峰, 蔡瑞初, 尹明. 基于低秩表示的鲁棒回归模型[J]. 计算机工程, 2020, 46(1): 74-79,86.
[11]	闫玉娟,李化,赵菊敏,李灯熬,刘佳. 基于CRFID和模式识别的跌倒检测系统[J]. 计算机工程, 2019, 45(6): 297-302,309.
[12]	马钰锡,谭励,董旭,于重重. 面向VTM的交互式活体检测算法[J]. 计算机工程, 2019, 45(3): 256-261.
[13]	张裕平, 龚晓峰, 雒瑞森. 基于稀疏化双向二维主成分分析的人脸识别[J]. 计算机工程, 2019, 45(12): 232-236.
[14]	朱秋煜,黄家虎,朱鸣. 面向嵌入式应用的性别与年龄识别检测系统[J]. 计算机工程, 2018, 44(7): 188-192.
[15]	任云,程福林,黎洪松. 基于频率敏感三维自组织映射的立体视频视差估计算法[J]. 计算机工程, 2018, 44(5): 252-255.

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于核的最小均方误差改进算法及其应用

An Improved Kernel-based Minimum Mean Square Error Algorithm and Its Application

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价