安徽工程大学学报
安徽工程大學學報
안휘공정대학학보
JOURNAL OF ANHUI UNIVERSITY OF TECHNOLOGY AND SCIENCE(NATURAL SCIENCE)
2014年
4期
57-61,74
,共6页
特征提取%维数约减%最大间距准则%小样本问题
特徵提取%維數約減%最大間距準則%小樣本問題
특정제취%유수약감%최대간거준칙%소양본문제
feature extraction%dimensionality reduction%maximum margin criterion(MMC)%small sample size problem
最大间距准则(Maximum Margin Criterion,MMC)能够有效地克服线性鉴别分析(Linear Discriminant Analysis,LDA)算法所面临的小样本问题。但是,原有的 MMC 求解算法复杂度较高,为了提高 MMC 算法的计算效率,本文提出了一种新的快速的 MMC 求解算法。在理论上,新的 MMC 求解算法和原有算法等价,但计算复杂度比原算法要低的多。在人脸库上的实验表明,新的 MMC 求解算法的计算速度远比现有的 MMC求解算法要快,但是其识别率与现有求解算法相同。
最大間距準則(Maximum Margin Criterion,MMC)能夠有效地剋服線性鑒彆分析(Linear Discriminant Analysis,LDA)算法所麵臨的小樣本問題。但是,原有的 MMC 求解算法複雜度較高,為瞭提高 MMC 算法的計算效率,本文提齣瞭一種新的快速的 MMC 求解算法。在理論上,新的 MMC 求解算法和原有算法等價,但計算複雜度比原算法要低的多。在人臉庫上的實驗錶明,新的 MMC 求解算法的計算速度遠比現有的 MMC求解算法要快,但是其識彆率與現有求解算法相同。
최대간거준칙(Maximum Margin Criterion,MMC)능구유효지극복선성감별분석(Linear Discriminant Analysis,LDA)산법소면림적소양본문제。단시,원유적 MMC 구해산법복잡도교고,위료제고 MMC 산법적계산효솔,본문제출료일충신적쾌속적 MMC 구해산법。재이론상,신적 MMC 구해산법화원유산법등개,단계산복잡도비원산법요저적다。재인검고상적실험표명,신적 MMC 구해산법적계산속도원비현유적 MMC구해산법요쾌,단시기식별솔여현유구해산법상동。
Maximum margin criterion (MMC)can address the small sample size problem encountered by linear discriminant analysis (LDA).However,the existing scheme for MMC is computationally expen-sive.In order to improve the efficiency of MMC,a new and fast scheme for MMC is proposed.The pro-posed scheme for MMC,much faster than the original one,is theoretical equivalent to the existing scheme for MMC.Experiments on face databases demonstrate that the new scheme for MMC is much more efficient than the existing schemes for MMC,but the recognition rates of the new scheme and the existing one for MMC are the same.
