基于KDA/GSVD和支持向量机的人耳识别

摘要：

在高维、小样本的情况下使用Fisher线性鉴别分析的特征提取方法存在病态奇异问题,学者们提出了许多解决此问题的方法.针对小样本问题,并通过对现有人耳识别方法的研究,提出了一种利用KDA/GSVD算法对图像数据进行降维,运用SVM分类器对样本进行判别的人耳识别方法.此外,还对线性判别分析、广义奇异值分解和支持向量机的基本理论等内容做了简要介绍.实验证明,KDA/GSVD很好地解决了由于小样本的问题而导致的LDA算法中类内离散度矩阵不可求逆的问题,把它与支持向量机有机地结合起来,构成了一种有效的人耳识别新方法.

关键词：人耳识别、线性判别分析、广义奇异值分解、KDA/GSVD、支持向量机

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金基于人耳人脸信息融合的多模态生物特征识别技术,60573058;国家自然科学基金人耳识别技术研究,60375002

在线出版日期：2009-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：257-260