小样本情况下Fisher线性鉴别分析的理论及其验证

摘要：

线性鉴别分析是特征抽取中最为经典和广泛使用的方法之一.近几年,在小样本情况下如何抽取Fisher最优鉴别特征一直是许多研究者关心的问题.本文应用投影变换和同构变换的原理,从理论上解决了小样本情况下最优鉴别矢量的求解问题,即最优鉴别矢量可在一个低维空间里求得;给出了特征抽取模型,并给出求解模型的PPCA+LDA算法;在ORL人脸库3种分辨率灰度图像上进行实验.实验结果表明,PPCA+LDA算法抽取的鉴别向量有较强的特征抽取能力,在普通的最小距离分类器下能达到较高的正确识别率,而且识别结果十分稳定.

关键词：小样本问题、主成分分析、线性鉴别分析、压缩变换、人脸识别

所属期刊栏目：10

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金60472060

在线出版日期：2005-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：984-991