一种在小样本情形下求解广义最佳鉴别矢量集的新算法及其在人脸识别中的应用

摘要：

@@ 一、引言
线性特征抽取是一种有效的降维方法,到目前为止,人们给出了许多线性特征抽取方法[1,2],就鉴别能力来说,Foley-Sammon变换(FST)[3]被认为是最好的方法之一,FST是根据用于线性鉴别问题的Fisher鉴别准则[4]得到的,1970年,Sammon给出了基于Fisher准则的最佳鉴别平面[5],1975年Foley和Sammon推广了Sammon的方法,给出了最佳鉴别矢量集的结果,并以此构成了FST.Foley和Sammon的重要结果吸引了众多模式识别领域中的研究者[6～14],特别是对类内散布矩阵Sw为奇异的情形,人们作了许多工作,并取得了良好的结里[2,6,11～13].

机标关键词：小样本、求解、广义最佳鉴别矢量集、算法、人脸识别、应用、Face recognition、线性特征抽取、降维方法、模式识别领域、内散布矩阵、准则、线性鉴别、鉴别平面、鉴别能力、构成、变换

所属期刊栏目：29

分类号：TP3;TP1

资助基金：国家自然科学基金69935010;国家自然科学基金60072034;高等学校博士学科点专项科研项目

在线出版日期：2005-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：258-260