10.3969/j.issn.1006-8961.2005.08.007
小样本情况下Fisher线性鉴别分析的理论及其验证
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.
小样本问题、主成分分析、线性鉴别分析、压缩变换、人脸识别
10
TP391(计算技术、计算机技术)
国家自然科学基金60472060
2005-09-29(万方平台首次上网日期,不代表论文的发表时间)
共8页
984-991