优化线性辨别分析在人脸识别中的应用

摘要：

国内外学者研究发现,类间方差最大化的方向与类内方差最大化的方向之间的角度对传统的线性辨别分析方法的准确性影响显著,并且,当这两个方向平行的时候,传统的线性方法往往不能得到很好的结果.经过的研究和实验,发现传统线性方法的准确性与类间方差和类内方差之间的角度没有直接的决定关系,它的最大问题在于线性地对类间方差和类内方差的加和不能完全保留类别之间的辨别信息.提出了一种优化的线性辨别分析的方法(OLDA)来解决这个问题.首先,引入了辨别能量的概念,能够给任意两个类之间的辨别信息赋予同样的权重;其次,引入了一种梯度下降的算法来计算最终的判别向量,并且加速迭代算子的引入能够更加有效地解决运算复杂度的问题.最后,为了解决非线性问题,预先的聚类算法能够将非线性问题转化成为线性问题,从而使数据集能够被有效地分辨出来.采用了一个人脸数据集和一个虚拟数据集进行了实现,实验结果表明提出的优化辨别分析的方法能够有效地解决数据集的分类问题.

关键词：人脸识别、线性辨别分析、特征分解、辨别能量、聚类分析

所属期刊栏目：3

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No.60573097,60773198,60703111;the Natural Science Foundation of Guangdong Province of China under Grant No.05200302,06104916;the China Special-ized Research Fund for Doctoral Program of Higher Education No.20050558017;Program for New Century Excellent Talents in University of China No.NCET-06-0727

在线出版日期：2009-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：539-549