10.3969/j.issn.1673-629X.2021.02.012
改进的PCA-LDA人脸识别算法的研究
主成分分析算法(PCA)和线性鉴别分析算法(LDA)被广泛用于人脸识别技术中,但是PCA由于其计算复杂度高,致使人脸识别的实时性达不到要求.线性鉴别分析算法存在"小样本"和"边缘类"问题,降低了人脸识别的准确性.针对上述问题,提出使用二维主成分分析法(2DPCA)与改进的线性鉴别分析法相融合的方法.二维主成分分析法提取的特征比一维主成分分析法更丰富,并且降低了计算复杂度.改进的线性鉴别分析算法重新定义了样本类间离散度矩阵和Fisher准则,克服了传统线性鉴别分析算法存在的问题,保留了最有辨别力的信息,提高了算法的识别率.实验结果表明,该算法比主成分分析算法和线性鉴别分析算法具有更高的识别率,可以较好地用于人脸识别任务.
主成分分析、线性鉴别分析、二维主成分分析、Fisher准则、人脸识别
31
TP391(计算技术、计算机技术)
江苏省自然科学基金-青年基金项目BK20140868
2021-03-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
65-69