TY - Jour A2 - Comminiello，Danilo Au - Yu，Zheilo Au - Yu，浙州奥 - Pang，魏奥 - 李，明浩AU - 吴，林雷PY - 2018DA - 2018/02/18 TI - 基于改进的EMD无异常的线性子空间学习的异常度量SP - 8917393 VL - 2018 AB - 我们通过采用无监督线性子空间学习的方法来研究较稳健的脸部图像特征提取的新方式，提取少量良好的功能。首先，面部图像被分成具有指定大小的块，然后我们在每个块上提出并提取面向梯度（PHOG）的汇集直方图。其次，采用改进的地球移动器的距离（EMD）度量来测量一个面部图像的块与面部图像的其余部分之间的相应块之间的不相似性。第三，考虑到原始地区保存投影的局限性（LPP），我们提出了块结构LPP（BSLPP），其有效地保留了面部图像的结构信息。最后，通过基于无监督的线性子空间学习的方法，构造邻接图，并且面部图像的少量特征是通过方法获得的。在几个众所周知的面部数据库上进行了一系列实验，以评估所提出的算法的有效性。此外，我们构建了噪声，几何失真，轻微的翻译，轻微的旋转AR和延伸的耶鲁B面数据库，并且在面对一定程度的这些干扰时，我们验证了所提出的算法的鲁棒性。SN - 1076-2787 UR - https://doi.org/10.1155/2018/8917393 do - 10.1155/2018 / 8917393 jf - 复杂性pb - hindawi kw - er -