Fisher极小准则不相关空间算法及其在人脸识别中的应用

被引：2

作者：

杨军 ^{[1
,2
]}

刘妍丽 ^{[3
]}

冯朝胜 ^{[1
]}

冯林 ^{[1
]}

机构：

[1] 四川师范大学计算机科学学院

[2] 四川大学计算机学院图形图像研究所

[3] 四川师范大学数学与软件科学学院

来源：

模式识别与人工智能 | 2013年 / 26卷 / 06期

关键词：

Fisher极小准则; 不相关鉴别矢量集; 不相关空间算法; 小样本问题;

D O I：

10.16451/j.cnki.issn1003-6059.2013.06.006

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

不相关空间算法是一种基于广义Fisher准则求解不相关鉴别矢量集的快速算法,但该算法要求总体散度矩阵可逆.针对高维小样本的情况,文中提出求解不相关鉴别矢量集的改进方法.该方法的基本思路是在类间散度矩阵的值空间中运用广义Fisher极小准则求解鉴别矢量集,并讨论在该子空间中进行求解的合理性.针对高维情况下类间散度矩阵值空间的计算效率问题,提出首先利用PCA算法将数据降维,然后在低维空间中求解值空间的策略并讨论其合理性.在ORL人脸数据库上的实验验证该方法的有效性,其识别率高于传统的Fisher脸方法和不相关空间算法.

引用

页码：598 / 603

页数：6

共 8 条

[1] 一种改进的不相关空间算法及其在人脸识别中的应用 [J].