QR分解的正则化邻域保持嵌入算法

　　针对训练样本不足时，对数据的低维子空间估计可能会产生严重偏差的问题，提出了一种基于QR分解的正则化邻域保持嵌入算法。首先，该算法定义一个局部拉普拉斯矩阵保留原始数据的局部结构；其次，将类内散度矩阵的特征谱空间划分成三个子空间，通过倒数谱模型定义的权值函数获得新的特征向量空间，进而对高维数据进行预处理；最后，定义一个邻域保持邻接矩阵，利用QR分解获得的投影矩阵和最近邻分类器进行人脸分类。与正则化广义局部保持投影（ RGDLPP）算法相比，所提算法在ORL、Yale、FERET和PIE库上识别率分别提高了2个百分点、1.5个百分点、1.5个百分点和2个百分点。实验结果表明，所提算法易于实现，在小样本（sss）下有较高的识别率。