简介：摘要：本项目针对人脸数据集中常出现的干扰因素和数据冗余问题，利用LLE流形算法的基本思想对预处理后的人脸数据集中每个流形内的数据点采用欧氏距离来选择各数据点的近邻点，由此得到局部权重矩阵。将原始数据和重构数据通过高斯核变换投影到RKHS空间，采用最大均值差算法计算原始数据集和重构数据集之间的差异，用其差值构建目标函数，通过最小化数据点与重构数据点误差距离来寻找投影降维矩阵。本项目在人脸数据集上的大量比较实验，验证了该算法的高鲁棒性。
基于局部领域适应的鲁棒性增强方法研究
