计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2007年
9期
227-230
,共4页
核函数方法%规范化KDDA%KPCA%小样本问题
覈函數方法%規範化KDDA%KPCA%小樣本問題
핵함수방법%규범화KDDA%KPCA%소양본문제
传统的PCA和LDA算法受限于"小样本问题",且对象素的高阶相关性不敏感.文章将核函数方法与规范化LDA相结合,将原图像空间通过非线性映射变换到高维特征空间,并借助于"核技巧"在新的空间中应用鉴别分析方法.通过对ORL人脸库的大量实验研究表明,该文方法在特征提取方面明显优于PCA、KPCA、LDA等其他传统的人脸识别方法,在简化分类器的同时,也可以获得高识别率.
傳統的PCA和LDA算法受限于"小樣本問題",且對象素的高階相關性不敏感.文章將覈函數方法與規範化LDA相結閤,將原圖像空間通過非線性映射變換到高維特徵空間,併藉助于"覈技巧"在新的空間中應用鑒彆分析方法.通過對ORL人臉庫的大量實驗研究錶明,該文方法在特徵提取方麵明顯優于PCA、KPCA、LDA等其他傳統的人臉識彆方法,在簡化分類器的同時,也可以穫得高識彆率.
전통적PCA화LDA산법수한우"소양본문제",차대상소적고계상관성불민감.문장장핵함수방법여규범화LDA상결합,장원도상공간통과비선성영사변환도고유특정공간,병차조우"핵기교"재신적공간중응용감별분석방법.통과대ORL인검고적대량실험연구표명,해문방법재특정제취방면명현우우PCA、KPCA、LDA등기타전통적인검식별방법,재간화분류기적동시,야가이획득고식별솔.