Resumen

Se propone un nuevo algoritmo de reconocimiento de expresiones faciales basado en la factorización tensorial no negativa con preservación de la vecindad discriminante (DNPNTF) y la máquina de aprendizaje extremo (ELM). Se adopta una restricción discriminante de acuerdo con la teoría del aprendizaje múltiple y la incrustación de grafos. La restricción es útil para explotar la estructura de vecindad espacial y las propiedades discriminantes definidas a priori. Las representaciones basadas en partes obtenidas mediante nuestro algoritmo varían suavemente a lo largo de las geodésicas del múltiple de datos y tienen buenas propiedades discriminantes. Para garantizar la convergencia, se utiliza el método de gradiente de proyecto para la optimización. A continuación, las características extraídas por DNPNTF se introducen en ELM, que es un método de entrenamiento para las redes feed-forward de capa oculta única (SLFN). Los resultados experimentales en las bases de datos JAFFE y Cohn-Kanade demuestran que nuestro algoritmo propuesto puede extraer características eficaces y obtener buenos resultados en el reconocimiento de expresiones faciales.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:nuevo algoritmo de reconocimiento de expresiones faciales, máquina de aprendizaje extremo, reconocimiento de expresiones faciales, buena propiedad discriminante, teoría de incrustación de grafos, factorización tensorial no negativa, método de gradiente de proyecto, estructura de vecindad espacial, dnpntf, elm
• Keywords:novel facial expression recognition algorithm, extreme learning machine, facial expression recognition, good discriminant property, graph embedding theory, nonnegative tensor factorization, project gradient method, spatial neighborhood structure, dnpntf, elm