一种最优的核Fisher鉴别分析与人脸识别

被引：13

作者：

高秀梅

杨静宇

杨健

机构：

[1] 南京理工大学计算机科学系

[2] 南京理工大学计算机科学系南京

[3] 南京

来源：

系统仿真学报 | 2004年 / 12期

关键词：

核Fisher鉴别分析; 最优鉴别矢量集; 特征抽取; 人脸识别;

D O I：

10.16182/j.cnki.joss.2004.12.066

中图分类号：

TP391.4 [模式识别与装置];

学科分类号：

0811 ; 081101 ; 081104 ; 1405 ;

摘要：

基于核的Fisher线性鉴别分析(KFDA)已成为抽取非线性特征的最有效方法之一。但是,针对必然面临的奇异性问题,如何抽取非线性最优鉴别特征还没有得到很好的解决。基于同构映射的思想,我们提出了一种最优的核Fisher鉴别分析(OKFDA)方法,从理论上巧妙的解决了奇异情况下最优鉴别矢量集的求解问题。在FERET人脸库的子库上的实验结果验证了OKFDA方法的有效性。

引用

页码：2864 / 2868

页数：5