基于自步學(xué)習(xí)的半監(jiān)督特征選擇算法研究

史彩娟 谷志斌

摘要：圖像往往由高維特征向量表示，為了有效地從高維特征向量中選取最具有判別性的低維特征向量，學(xué)者們提出了多種特征選擇算法，其中基于圖拉普拉斯的半監(jiān)督特征選擇算法得到了廣泛的應(yīng)用，但是，現(xiàn)有的算法在特征選擇過(guò)程中忽略了不同樣本的不同復(fù)雜度。為了克服這個(gè)缺點(diǎn)，文章將自步學(xué)習(xí)引入到特征選擇過(guò)程中，有效提升了特征選擇性能。

關(guān)鍵詞：特征選擇;自步學(xué)習(xí);半監(jiān)督學(xué)習(xí);降維

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）15-0210-01

1引言

在計(jì)算機(jī)視覺(jué)和模式識(shí)別等領(lǐng)域中，圖像往往由高維特征向量表示，高維數(shù)據(jù)往往會(huì)增加處理數(shù)據(jù)的復(fù)雜度。為了有效地從高維特征向量中選取最具有判別性的低維特征向量，學(xué)者們提出了多種特征選擇算法，其中基于圖拉普拉斯的半監(jiān)督特征選擇算法憑借其良好的性能，得到了廣泛的應(yīng)用。但是，現(xiàn)有的算法大都是直接將所有樣本納入訓(xùn)練過(guò)程，忽略了不同樣本的復(fù)雜度。為了克服這個(gè)缺點(diǎn)，文章將自步學(xué)習(xí)引人到特征選擇過(guò)程中，克服了傳統(tǒng)算法中的缺點(diǎn)，提升了特征選擇的性能。

2基于自步學(xué)習(xí)的特征選擇算法別所輸人人臉的真?zhèn)巍Ｄ敲慈绾巫詣?dòng)地、高效地辨別圖像真?zhèn)蔚挚蛊垓_攻擊以確保系統(tǒng)安全已成為人臉識(shí)別技術(shù)中一個(gè)迫切需要解決的問(wèn)題。本文基于dlib人臉檢測(cè)和關(guān)鍵點(diǎn)獲取的基礎(chǔ)上對(duì)視頻流中采集到的人臉進(jìn)行追蹤與判斷，實(shí)驗(yàn)中采集到的人臉較多為平視攝像頭，對(duì)于側(cè)臉，遮擋等處理效果需要進(jìn)一步設(shè)計(jì)與改進(jìn)。

由公式（2）可以看出，SP-SSFS框架比公式（1）中多了自步正則項(xiàng)f（θ;δ），其中，θ是表示樣本權(quán)重的參數(shù)，δ是自步函數(shù)中的步長(zhǎng)參數(shù)為自步正則項(xiàng)，通過(guò)加入自步正則項(xiàng)使得算法在訓(xùn)練過(guò)程中，首先訓(xùn)練簡(jiǎn)單的樣本，然后再訓(xùn)練復(fù)雜的樣本，進(jìn)而提升特征選擇的性能。

3結(jié)論

本文將自步學(xué)習(xí)應(yīng)用于特征選擇中，提出了一個(gè)新的自步半監(jiān)督特征選擇算法。該算法通過(guò)引入自步學(xué)習(xí)，使得在特征選擇過(guò)程中，充分地利用了不同訓(xùn)練數(shù)據(jù)的不同復(fù)雜度，提升了特征選擇的性能。