基于改进核典型相关分析的人脸识别方法
标准KCCA方法需要存储和计算核矩阵,而核矩阵的大小是训练样本数的平方,随着样本数的增加,计算量逐渐增大、特征提取缓慢.为了提高特征提取的效率,提出了一种基于特征向量集的KCCA特征提取方法.采用特征选择方法,选择一个训练样本子集并将其映射到再生核希尔伯特空间(RKHS).用KCCA进行特征提取,将计算复杂度由O(n3)降到O(Nl2)(L<<n),并将改进后的KCCA与SVDD的优势相结合应用于人脸识别中.实验结果表明,相对传统的KCCA方法,所提出的方法在不影响识别率的前提下,显著提高了人脸识别速度,减小了系统的存储量.
人脸识别、核典型相关分析、特征向量选择、支持向量数据描述、特征提取
30
TP391(计算技术、计算机技术)
甘肃省自然科学基金项目2007GS04782
2009-04-29(万方平台首次上网日期,不代表论文的发表时间)
共4页
1183-1185,1188