Fisher大间距线性分类器

摘要：

作为一种著名的特征抽取方法,Fisher线性鉴别分析的基本思想是选择使得Fisher准则函数达到最大值的向量(称为最优鉴别向量)作为最优投影方向,以便使得高维输入空间中的模式样本在该向量投影后,在类间散度达到最大的同时,类内散度最小.大间距线性分类器是寻找一个最优投影矢量(最优分隔超平面的法向量),它可使得投影后的两类样本之间的分类间距(Margin)最大.为了获得更佳的识别效果,结合Fisher线性鉴别分析和大间距分类器的优点,提出了一种新的线性投影分类算法--Fisher大间距线性分类器.该分类器的主要思想就是寻找最优投影矢量wbest(最优超平面的法向量),使得高维输入空间中的样本模式在wbest上投影后,在使类间间距达到最大的同时,使类内离散度尽可能地小.并从理论上讨论了与其他线性分类器的联系.在ORL人脸库和FERET人脸数据库上的实验结果表明,该线性投影分类算法的识别率优于其他分类器.

关键词：大间距分类器、支持向量机、Fisher线性鉴别分析、人脸识别

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60472060;60632050;江苏省高校自然科学基金05KJB520152;江苏省博士后科学基金苏人通[2005]249

在线出版日期：2008-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2143-2147