基于全局距離的自適應LLE方法研究及其在人體行為識別中的應用.pdf

1、人體行為識別是人工智能與模式識別領域的一個重要研究方向，具有極廣泛的應用前景。由于人體行為數據的高維特性，迫切需要有效的數據降維方法對其處理。傳統(tǒng)的線性算法很難分析人體行為高維數據的結構特征及相關性?；诹餍袑W習的局部線性嵌入算法LLE具有計算復雜度小，配置參數少，魯棒性好的優(yōu)點，得到了廣泛應用。但是傳統(tǒng)LLE要求采集密集樣本點，且要求樣本點分布平滑均勻。而人體行為數據難以采集密度很高的樣本，同時密度極高的樣本點對人體行為的區(qū)別度不高，

2、往往增大了計算復雜度而達不到較好的識別率。因此傳統(tǒng)LLE降維方法應用于較稀疏的人體行為數據難以達到優(yōu)良的降維效果?；谝陨戏治觯疚闹攸c做了以下三個方面的工作：
　?。?）比較了幾種典型線性流形降維方法與非線性流形降維方法，從理論框架著手，重點分析各方法的適用范圍，時間復雜度及優(yōu)缺點。為進一步改進降維方法應用于人體行為數據打好研究基礎；
　?。?）深入研究了LLE算法選取近鄰的距離優(yōu)化方法后，提出基于全局距離的自適應LLE方

3、法，引入全局因子進行距離計算，有效縮短分布稀疏的樣本點的相對距離，使樣本點變的緊湊。同時加入全局因子使分布距離差異較大、分布不均勻的樣本點重新布局，整體變得平滑均勻，有效克服了傳統(tǒng)LLE方法不適用于稀疏不均勻分布樣本的缺點。另外，本文提出的方法改進了傳統(tǒng)LLE確定嵌入維度的過程。通過計算輸入空間樣本歐氏距離與嵌入空間樣本歐式距離的殘差來評估嵌入維度，自適應確定人體動作流形的本質維度，提高了降維效果與計算性能；
　?。?）通過綜合比