10.3969/j.issn.1673-629X.2013.05.026
KPCA和NS-LDA相结合的人脸识别研究
为了能够通过保留类内散布矩阵零空间的有效鉴别信息,并选择恰当的投影找到最大可能地区别类内类间的数据集,文章分别选用核主成分分析(KPCA)和零空间线性鉴别分析(null space LDA),其中核主成分分析(KPCA)是主成分分析(PCA)在核空间中的非线性推广,零空间线性鉴别分析利用了零空间的有效信息.文中将KPCA和NS-LDA的特征提取方法结合并应用于人脸识别研究,其综合了KPCA利用数据高阶性和经NS-LDA投影矩阵良好可分性的优点来增强人脸识别性能.实验结果证明,该方法能够有效地提高人脸识别率.
核主成分分析、零空间线性鉴别分析、人脸识别、余弦角距离
TP391.41(计算技术、计算机技术)
2013-06-07(万方平台首次上网日期,不代表论文的发表时间)
共4页
100-103