文献

J-GLOBAL ID：201802247628215065   整理番号：18A2014019

Fノルム距離計量に基づくロバスト2DPCAと顔認識

F-norm distance metric based robust 2DPCA and face recognition

著者 (4件)： Li Tao (State Key Laboratory, Integrated Services Networks, Xidian University, 710071, Xi’an, China) ,  Li Mengyuan (State Key Laboratory, Integrated Services Networks, Xidian University, 710071, Xi’an, China) ,  Gao Quanxue (State Key Laboratory, Integrated Services Networks, Xidian University, 710071, Xi’an, China) ,  Xie Deyan (State Key Laboratory, Integrated Services Networks, Xidian University, 710071, Xi’an, China)
資料名： Neural Networks  (Neural Networks)
巻： 94  ページ： 204-211  発行年： 2017年10月 
JST資料番号： T0698A  ISSN： 0893-6080  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 二次元主成分分析(2DPCA)は次元縮小の距離計量として二乗Fノルムを用いる。二乗Fノルムは異常値の存在に敏感であることが一般的に知られている。この問題を扱うために,著者らは,目的関数における距離計量としてFノルムの代わりにFノルムを使用し,各反復に閉形式解を持ち,最適解を解くために基準関数を最大化できる非gre欲アルゴリズムを開発した。このアプローチは異常値に対してロバストであるだけでなく,データの幾何学的構造を良く特性化する。いくつかの顔データベースに関する実験結果は,著者らの方法が他のロバスト2DPCAアルゴリズムより効果的でロバストであることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *ニューラルネットワーク ,  *パターン認識 ,  *主成分分析 ,  ノルム ,  異常値 ,  目的関数 ,  計算 ,  計算機アルゴリズム ,  評価試験 ,  数学的性質 ,  画像データベース ,  ロバスト性 ,  顔画像
準シソーラス用語： 2DPCA ,  顔データベース ,  *顔認識 ,  距離計算

著者キーワード (4件)： 次元縮小 ,  Fノルム ,  幾何学的構造 ,  2DPCA

分類 (3件)： ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (4件)： ノルム ,  距離計 ,  ロバスト ,  顔認識