一种多视角非线性判别结构学习方法及系统

本发明公开了一种多视角非线性判别结构学习方法及系统，具体为：首先通过局部信息保持与判别重建模块，最小化类内样本距离并最大化类间样本距离，重构各视角特征表示以抑制异常值并提取判别信息；其次在多视角判别潜在子空间学习阶段，基于互补性与不相关原则，引入视间与视内加权连接机制，利用全局权重向量度量异构视角样本间距离，构建保持局部邻域的非线性判别子空间；最后采用遵循局部性保护的样本外扩展方法，获取新样本的低维嵌入以适应大规模应用。本发明能够充分挖掘多视角数据中的有益信息，有效提升情感识别的精度与鲁棒性，在RGB‑D视频情感、RGB‑D人脸情感及KDEF表情数据集上的实验结果表明，其识别准确率得到了显著提高。