标题:均值张量成分分析及其在步态识别中的应用
作者:Ben, Xianye ;Zhang, Peng ;Sun, Chengli ;Meng, Weixiao
作者机构:[][1]南昌航空大学江西省图像处理与模式识别重点实验室,南昌330063,中国.;[][3]哈尔滨工业大学电子与信息工程学院,哈尔滨150080,中国.;[][2]山东大学信息科学与工 更多
来源:西安交通大学学报
出版年:2015
卷:49
期:12
页码:40-46
DOI:10.7652/xjtuxb201512007
关键词:步态识别;均值张量成分分析;均方长度;均值向量;
摘要:针对步态识别中非负样本数据存在冗余,且未经中心化的多线性主成分分析保持聚类结构的特征向量不能对应最大特征值,导致识别效果下降的问题,提出一种保持原始张量数据均方长度的均值张量成分分析算法。该算法首先对原始样本任一模式下内积矩阵进行谱分解,计算该模式下相应的特征值和特征向量;其次,利用获得的特征值和特征向量计算均值向量,并对均值向量值进行降序排列,使较大均值向量值对应的特征向量构成该模式下的低维子空间;最后,将原始样本投影到该低维子空间,形成特征张量。与多线性主成分分析算法相比,该算法不需要对数据去中心化处理,而是保持非负数据均值向量最大均方欧几里德距离和方向。通过在USF步态数据库和TUM GAID步态数据库进行仿真实验,结果表明,经过均值张量成分分析预处理,在2个步态库上的平均识别率分别高达57%和75%,较其他传统方法的识别率有明显提高。
收录类别:EI;SCOPUS
Scopus被引频次:1
资源类型:期刊论文
原文链接:https://www.scopus.com/inward/record.uri?eid=2-s2.0-84952056588&doi=10.7652%2fxjtuxb201512007&partnerID=40&md5=20046422bf6c82115f975ecc757639b8
TOP