基于PCA及ICA的双空间特征提取算法
任何一种单子空间特征提取算法都不能在任何情况下优于其他子空间算法,但是采用双子空间却可以克服单子空间的局限性.为了提高分类结果的正确率,提出了一种基于PCA及ICA的双空间特征提取算法,该算法采用ICA作为PCA的补空间进行特征提取,其目的是将在PCA子空间中难以识别的样本,再次投影到ICA子空间中进行识别.该算法可分为以下两个步骤:首先进行预分类,即在一个子空间内同时使用两种分类器对测试样本进行分类,若某个测试样本被两种分类器划分到不同的类,则将该测试样本加入到新测试样本集中;然后将新测试样本集中的测试样本再次投影到另一个子空间中进行分类识别;最后,将识别结果与预分类结果一起进行正确率测试.在ORL及FERET人脸库上的实验结果表明,该算法的模式识别率明显优于传统的特征提取算法.
双空间算法、主成分分析、独立成分分析、特征提取、人脸识别
13
TP391.41(计算技术、计算机技术)
国家自然科学基金项目60472060
2009-02-16(万方平台首次上网日期,不代表论文的发表时间)
共7页
2163-2169