计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2007年
18期
202-204,210
,共4页
核技术%正交化%小样本问题%人脸识别
覈技術%正交化%小樣本問題%人臉識彆
핵기술%정교화%소양본문제%인검식별
提出了一种基于核技术的融合了反转Fisher鉴别准则和正交化技术的KIOFD(Kernel Inverse Orthogonalized Fisher Discriminant)算法,并把这一算法应用于人脸识别中.线性人脸识别中存在两个突出问题:(1)在光照、表情、姿态变化较大时,人脸图像分类是复杂的、非线性的;(2)小样本问题,即当训练样本数量小于样本特征空间维数时,导致类内散布矩阵奇异.对于第1个问题,可以采用核技术提取人脸图像样本的非线性特征,对于第2个问题,采用了反转Fisher鉴别准则和正交化结合的算法.通过对ORL、Yale Group B以及UMIST3个人脸库的实验表明,提出的算法是可行的、高效的.
提齣瞭一種基于覈技術的融閤瞭反轉Fisher鑒彆準則和正交化技術的KIOFD(Kernel Inverse Orthogonalized Fisher Discriminant)算法,併把這一算法應用于人臉識彆中.線性人臉識彆中存在兩箇突齣問題:(1)在光照、錶情、姿態變化較大時,人臉圖像分類是複雜的、非線性的;(2)小樣本問題,即噹訓練樣本數量小于樣本特徵空間維數時,導緻類內散佈矩陣奇異.對于第1箇問題,可以採用覈技術提取人臉圖像樣本的非線性特徵,對于第2箇問題,採用瞭反轉Fisher鑒彆準則和正交化結閤的算法.通過對ORL、Yale Group B以及UMIST3箇人臉庫的實驗錶明,提齣的算法是可行的、高效的.
제출료일충기우핵기술적융합료반전Fisher감별준칙화정교화기술적KIOFD(Kernel Inverse Orthogonalized Fisher Discriminant)산법,병파저일산법응용우인검식별중.선성인검식별중존재량개돌출문제:(1)재광조、표정、자태변화교대시,인검도상분류시복잡적、비선성적;(2)소양본문제,즉당훈련양본수량소우양본특정공간유수시,도치류내산포구진기이.대우제1개문제,가이채용핵기술제취인검도상양본적비선성특정,대우제2개문제,채용료반전Fisher감별준칙화정교화결합적산법.통과대ORL、Yale Group B이급UMIST3개인검고적실험표명,제출적산법시가행적、고효적.
