应用于人脸图像识别的邻域保持极限学习机
来源：计算机工程与应用杂志2019年第11期北京时间：
作者：魏 迪，刘德山，闫德勤，张 悦
单位：辽宁师范大学 计算机与信息技术学院，辽宁 大连 116081
摘要：极限学习机广泛应用于人脸识别领域。传统的极限学习机算法因在少量标签样本上进行训练，容易发生学习过程不充分问题，同时在学习过程中往往忽略了样本内在的几何结构，影响其对人脸识别的分类能力。受流形学习思想的启发，提出一种邻域保持极限学习机算法。该算法保持数据最本质的结构和同类数据的判别信息，利用最小化类内散度矩阵来提高极限学习机整体的分类性能。通过人脸数据集上的多次实验结果表明，该算法的人脸识别准确率高于其他算法，更能有效地进行分类识别。
关键词：极限学习机,流形学习,近邻保持嵌入,几何结构
