周培春，吴兰岸

（1.玉林师范学院计算机科学与工程学院，广西玉林 537000；2.南宁师范大学计算机与信息工程学院，南宁 530299）

0 概述

在机器学习和模式识别任务中，图像数据作为一种特殊的数据形式广泛应用于人脸识别［1］、表情识别［2］、年龄估计［3］等场景中，而此类数据通常具有较高的维度导致机器学习模型计算复杂度高且容易产生过拟合等维数灾难问题。为应对上述挑战，主成分分析［4］、高斯过程隐变量模型（Gaussian Process Latent Variable Model，GPLVM）［5］、线性判别分析［6］、自编码器［7］和字典学习［8］等数据降维和特征学习方法陆续被提出并取得了较好的成果，其中GPLVM作为一种贝叶斯非参数降维模型，具有非线性学习、不确定性量化和非参数柔性建模等特性［5］，近年来在图像识别领域得到广泛应用［9-11］。然而原始GPLVM作为一种无监督的降维模型，利用高斯过程构建由隐变量空间到观测变量空间的映射，进而通过求解最大化似然函数的方式获得最佳隐变量并实现数据降维。

图像数据信息通常分为像素值信息、特征空间信息和语义标记信息3类。像素值信息指图像中各像素值的大小所包含的信息，通常可以被PCA、字典学习、GPLVM等降维方法直接利用，从而实现数据降维。特征空间信息指图像像素及其局部区域之间所具有的相关性信息［12-13］。图像语义标记信息指人们通过自身认知和图像所包含的内容为图像标注的信息［14-15］，如图像注释、类别标记等。然而，原始GPLVM在建模过程中仅假设观测变量的特征之间相互独立，因此通常无法有效利用图像数据自身包含的特征空间结构信息和语义标记信息。……