多维主分量分析在人脸识别中的研究
主分量分析作为经典的降维及特征提取算法而一直备受研究人员重视。近年来,二维主分量分析越来越受到研究者的重视,主要有二维主分量分析算法(2-dimensional principal component analysis,2DPCA)和双向主分量分析算法(bidirectional PCA,BDPCA)。它们都是通过最大化投影矩阵散度来提取特征进而解决二维数据判别分析的问题。本文根据重构误差准则来提取多维数据中各维主分量这一思路出发提出了多维主分量分析(Multi-Dimension Principal Component Analysis,MDPCA)的概念,本文算法理论上可以提取任意维。为了测试本文提出算法的性能,在JAFFE, ORL和FERET三个主要人脸库上设计了一系列实验,在所有的实验结果中,本文提出的分析算法都取得了最佳效果。
模式识别、主分量分析、人脸识别
TP391.4(计算技术、计算机技术)
自然科学基金编号60805007;教育部新老师基金编号200802471106;教育部重点基金编号109057;上海市启明星10QA1407100
2014-01-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
59-65