光电工程
光電工程
광전공정
OPTO-ELECTRONIC ENGINEERING
2014年
4期
75-81
,共7页
特征提取%零空间线性鉴别分析%特征值分解%Cholesky分解
特徵提取%零空間線性鑒彆分析%特徵值分解%Cholesky分解
특정제취%령공간선성감별분석%특정치분해%Cholesky분해
feature extraction%null space based linear discriminant analysis%eigenvalue decomposition%Cholesky decomposition
利用随机矩阵相乘是最近提出的一种求解零空间线性鉴别分析的算法,但是此算法需要对一个n×n的矩阵进行特征值分解(n指的是训练样本数),使得其算法复杂度依然较高。为了进一步提高零空间线性鉴别分析算法的求解速度,本文提出了一种新的利用随机矩阵相乘的求解零空间线性鉴别分析的快速算法。本文的算法不需要对n×n 的矩阵进行特征值分解,使得其算法复杂度比现有的零空间线性鉴别分析求解算法要低得多。理论分析和在人脸数据库上的实验表明,本文算法的计算速度远比现有的零空间线性鉴别分析求解算法要快,但是其识别率与现有的零空间线性鉴别分析求解算法相同。
利用隨機矩陣相乘是最近提齣的一種求解零空間線性鑒彆分析的算法,但是此算法需要對一箇n×n的矩陣進行特徵值分解(n指的是訓練樣本數),使得其算法複雜度依然較高。為瞭進一步提高零空間線性鑒彆分析算法的求解速度,本文提齣瞭一種新的利用隨機矩陣相乘的求解零空間線性鑒彆分析的快速算法。本文的算法不需要對n×n 的矩陣進行特徵值分解,使得其算法複雜度比現有的零空間線性鑒彆分析求解算法要低得多。理論分析和在人臉數據庫上的實驗錶明,本文算法的計算速度遠比現有的零空間線性鑒彆分析求解算法要快,但是其識彆率與現有的零空間線性鑒彆分析求解算法相同。
이용수궤구진상승시최근제출적일충구해령공간선성감별분석적산법,단시차산법수요대일개n×n적구진진행특정치분해(n지적시훈련양본수),사득기산법복잡도의연교고。위료진일보제고령공간선성감별분석산법적구해속도,본문제출료일충신적이용수궤구진상승적구해령공간선성감별분석적쾌속산법。본문적산법불수요대n×n 적구진진행특정치분해,사득기산법복잡도비현유적령공간선성감별분석구해산법요저득다。이론분석화재인검수거고상적실험표명,본문산법적계산속도원비현유적령공간선성감별분석구해산법요쾌,단시기식별솔여현유적령공간선성감별분석구해산법상동。
Recently, a scheme for null space based linear discriminant analysis using random matrix multiplication (NSLDA/RMM) is proposed. The computational complexity of NSLDA/RMM is still relatively high since it need compute the eigenvalue decomposition of an n×n matrix, where n is the number of the training samples. To improve the efficiency of null space based linear discriminant analysis further, we present a new and fast scheme for null space based linear discriminant analysis using random matrix multiplication (FNSLDA/RMM). FNSLDA/RMM need not compute the eigenvalue decomposition of an n×n matrix. Then the computational complexity of FNSLDA/RMM is much lower than those of the existing schemes for null space based linear discriminant analysis. Theoretical analysis of computational complexity and experiments on face database demonstrate that FNSLDA/RMM is much more efficient than the existing schemes for null space based linear discriminant analysis, but the recognition rates of FNSLDA/RMM and the existing schemes for null space based linear discriminant analysis are the same.