基于核的Fisher非线性最佳鉴别分析在人脸识别中的应用

摘要：

抽取最佳鉴别特征是人脸识别中的重要一步.对小样本的高维人脸图像样本,由于各种抽取非线性鉴别特征的方法均存在各自的问题,为此提出了一种求解核的Fisher非线性最佳鉴别特征的新方法,该方法首先在特征空间用类间散度阵和类内散度阵作为Fisher准则,来得到最佳非线性鉴别特征,然后针对此方法存在的病态问题,进一步在类内散度阵的零空间中求解最佳非线性鉴别矢量.基于ORL人脸数据库的实验表明,该新方法抽取的非线性最佳鉴别特征明显优于Fisher线性鉴别分析(FLDA)的线性特征和广义鉴别分析(GDA)的非线性特征.

关键词：人脸识别、Fisher非线性鉴别分析、核方法、小样本问题、病态问题

所属期刊栏目：12

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金60573056;浙江省自然科学基金Z106335;Y105090

在线出版日期：2007-09-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1395-1400