Resumen

En los últimos años, se han propuesto muchos algoritmos de extracción de características de imágenes faciales y reducción dimensional para datos lineales y no lineales, como algoritmos de incrustación de grafos basados en localidad o algoritmos de conjuntos difusos. Sin embargo, los algoritmos mencionados no son muy efectivos para imágenes faciales porque siempre se ven afectados por solapamientos (valores atípicos) y puntos dispersos en la base de datos. Para resolver estos problemas, se propone un nuevo y efectivo método de reducción dimensional para el reconocimiento facial: incrustación de grafos dispersos con conjuntos difusos para clasificación de imágenes. El objetivo de este algoritmo es construir dos nuevas matrices de dispersión Laplacianas difusas utilizando la incrustación de grafos locales y los k-vecinos más cercanos difusos. Finalmente, se obtiene la matriz de proyección dispersa discriminativa óptima mediante la adición de regresión de red elástica. Los resultados experimentales y análisis indican que el algoritmo propuesto es más efectivo que otros algoritmos

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Imagen; Reducción dimensional; Algoritmos; Reconocimiento facial; Conjunto difuso; Incrustación de grafo disperso
• Keywords:Image; Dimensional reduction; Algorithms; Face recognition; Fuzzy set; Sparse graph embedding