Resumen

El aprendizaje de subespacios basado en grafos es una clase de técnica de reducción de dimensionalidad en reconocimiento facial. La técnica revela la estructura de la variedad local de los datos faciales que están ocultos en el espacio de la imagen a través de una proyección lineal. Sin embargo, los datos faciales del mundo real pueden ser demasiado complejos de medir debido tanto a ruidos externos de imagen como a las variaciones intraclase de las imágenes faciales. Por lo tanto, las características extraídas por la técnica basada en grafos podrían ser ruidosas. Se debe imponer un peso apropiado a las características de los datos para una mejor discriminación de los mismos. En este artículo, se propone e implementa una función de ponderación por tramos, conocida como Función de Ponderación de Autovectores (EWF), en dos técnicas de aprendizaje de subespacios basadas en grafos, a saber, Proyección Preservadora de la Localidad y Embebimiento Preservador de Vecindario. Específicamente, el subespacio de proyección

• Materias:Dinámicas integrales Sistemas de ecuaciones funcionales Redes complejas Teoría de las ecuaciones Programación entera no lineal
• Subjects:Integral dynamics Systems of functional equations Complex networks Theory of equations Nonlinear integer programming
• Palabras claves:Aprendizaje de subespacios basado en grafos; Reconocimiento facial; Reducción de dimensionalidad; Función de Ponderación de Autovectores; Proyección Preservadora de la Localidad; Incrustación Preservadora de Vecindarios
• Keywords:Graph-based subspace learning; Face recognition; Dimensionality reduction; Eigenvector Weighting Function; Locality Preserving Projection; Neighbourhood Preserving Embedding