基于特别的特征表示方法的局部线性KNN算法
来源：计算机科学与探索杂志2018年第1期北京时间：
作者：卞则康，王士同，王宇翔
单位：1. 江南大学 数字媒体学院，江苏 无锡 2141222. 中国船舶科学研究中心，江苏 无锡 214082
摘要：提出了一种特别的特征表示方法，并在此基础上提出了一种基于特别的特征表示方法的局部线性K最近邻算法（locally linear K-nearest neighbor method，L2KNN），并将之应用到人脸识别中。特别的特征表示方法是在传统的稀疏表示的基础上，加入了非负约束，改进了传统的稀疏表示的方法，在目标函数中增加了集群正则化项，然后优化新的目标函数得到一个新的近似的特征表示。L2KNN算法具有最近邻集群效应（clustering effect of nearest neighbors，CENN），不仅可以增强测试样本与同类的训练样本之间的相关性，而且可以增强同类训练样本之间的相关性。L2KNN算法进一步应用到L2KNNc（L2KNN-based classifier）分类器中，并提出一种系数截断的方法增加L2KNNc分类器的泛化性能，进一步提高分类器的分类性能。在人脸数据集上的实验结果证明了上述结论。
关键词：特别的特征表示,局部线性K最近邻算法L2KNN,最近邻集群效应（CENN）,系数截断方法
