一种基于Schur分解的正交鉴别局部保持投影方法
人脸识别是模式识别领域中的一项重要的研究课题.到目前为止,已经提出了许多方法来处理人脸的识别问题.最近,许多流形学习算法被提出并且成功地应用于人脸识别当中.这些流形学习方法能够保持人脸图像数据的局部结构,同时,还可以发现人脸的非线性结构.在这些流形学习方法中,局部保持投影方法(LPP)是最有效的方法之一.基于LPP方法,提出了一种新的人脸识别方法--基于Schur分解的正交鉴别局部保持投影方法(ODLPPS).与LPP方法相比,ODLPPS把类间散度与类内散度之差的信息融入到LPP的目标甬数中并且获得了正交的基向量.在ORL和Yale人脸数据库上的实验结果表明.该方法在识别性能上优于一些已经存在的方法,如eigenface,Fishedace,LPP和orthogonal LPP(OLPP).
流形学习、局部保持投影、正交局部保持投影、人脸识别、Schur分解
14
TP391.4(计算技术、计算机技术)
国家自然科学基金项目60472060
2009-05-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
701-706