استخراج ویژگی با کمک تجزیه به عناصر تنک به منظور طبقه بندی چهره

در سالهای اخیر، استخراج ویژگی به عنوان یک مرحله میانی در طبقهبندی موردتوجه پژوهشگران بودهاست.در این مقاله، یک روش نوین بهمنظور استخراج ویژگی بانظارت با کمک تجزیه به عناصر تنک پیشنهاد میشود.الگوریتم پیشنهادی شامل دو مرحله است که در مرحله اول اطلاعات مشترک دادهها در یک ماتریس با مرتبه کم قرارمیگیرد و در مرحله دوم یک روش استخراج ویژگی خطی مانند نگاشت حفظ موقعیت مکانی بهمنظور استخراجنهایی ویژگیها مورد استفاده قرار میگیرد. سپس ویژگیهای استخراج شده به طبقهبند ماشینبردارپشتیبان دادهمیشود. به منظور سنجش صحت روش پیشنهادی، از سه مجموعه داده استفاده میشود. نتایج آزمایش نشاندهنده برتری روش پیشنهادی نسبت به برخی از روشهای مدرن استخراج ویژگی است

feature extraction using sparse component decomposition for face classification

in the recent years, the feature extraction as an intermediate step in the classification, has attracted the attention of researchers. in this paper, a new supervised feature extraction method is proposed using sparse component decomposition. the proposed algorithm has two steps.in the first step, the common information of the data matrix is extracted in a low rank matrix. in he second step, a linear feature extractor method such as local preservation projection one is used to extract the final features. then, the extracted features are fed to the support vector machine classifier. to evaluate the accuracy rate of the proposed method, three datasets are used. the results show that the proposed method outperforms compared with some state of the art methods.