基于样本分布相似度的期望分布鉴别分析

摘要：

主分量分析(PCA)和线性鉴别分析(LDA)是模式识别领域使用广泛的两种特征抽取方法.本文针对两种方法的不足之处,并从样本分布相似度出发提出一种期望分布鉴别分析(EDDA)方法,抽取到的鉴别特征的总体分布和设定的期望分布最为相近.即通过EDDA得到的投影向量可以抽取出最接近理想分布的鉴别特征.EDDA在投影向量的求解问题上不存在小样本问题,抽取的鉴别特征维数小,并且整体识别性能得到增强.在ORL、Yale人脸库上的实验结果证明本文方法在人脸识别精度上优于PCA和LDA方法.

关键词：期望分布鉴别分析(EDDA)、线性鉴别分析(LDA)、主分量分析(PCA)、特征抽取

所属期刊栏目：20

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60632050,60472060,60473039

在线出版日期：2009-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：751-756