基于无穷范数的二值线性判别分析

摘要：

线性判别分析（LDA）是监督式的特征提取方法，在人脸识别等领域得到了广泛应用。为了提高特征提取速度，提出了基于无穷范数的线性判别分析方法。传统LDA方法将目标函数表示为类内散布矩阵和类间散布矩阵之差的或者商的L2范数，且通常需要涉及到矩阵求逆和特征值分解问题。与传统方法不同，这里所提方法将目标函数表示为类内散布矩阵和类间散布矩阵之差的无穷范数，而且最优解是以迭代形式得到，避免了耗时的特征值分解。无穷范数使得到的基向量实现了二值化，即元素仅在-1和1两个数字内取值，避免了特征提取时的浮点型点积运算，从而降低了测试时间，提高了效率。在ORL人脸数据库和Yale数据库上的实验表明所提算法是有效的。

关键词：线性判别分析、无穷范数、二值化、特征提取

分类号：TN911-34;TP391

资助基金：国家自然科学基金资助项目61271412,61222109

在线出版日期：2013-11-26（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：24-27