摘要：该文基于谱图理论和流形学习提出了局部边界鉴别分析（LMDA）的降维方法。在近邻保持投影的基础上,LMDA方法减少了同类数据间由于线性投影而带来的重构误差,同时保留了类内相似度图的拉普拉斯矩阵的完整性。另一方面,通过构造一个与类内‘相似’图对应的类外‘代价’图,LMDA可以扩大两者间的边界。在人脸识别中与其他方法的对比实验表明提出的算法能有效提升近邻保持投影的性能。

关键词：人脸识别 降维 流形学习 近邻保持投影 

单位：华南理工大学电信学院 广州510641