针对人脸识别应用中的特征抽取问题,对经典的Fisher判别分析和局部保持投影算法进行了相应研究,提出了一种核局部Fisher鉴别分析算法(Kernel Local Fisher Discriminant Analysis,KLFDA)。该算法利用核方法提取高维数据图像中的非线性...针对人脸识别应用中的特征抽取问题,对经典的Fisher判别分析和局部保持投影算法进行了相应研究,提出了一种核局部Fisher鉴别分析算法(Kernel Local Fisher Discriminant Analysis,KLFDA)。该算法利用核方法提取高维数据图像中的非线性鉴别信息,并将其投影到一个高维特征空间;通过类别标签所含信息计算局部类间散度矩阵和类内散度矩阵,不仅有效的描述了样本的类间分离性和类内紧凑性,还保持了样本的局部几何特征。在AR、YALE和ORL人脸库上的仿真实验表明提出的算法具有较好的分类和识别性能。展开更多
文摘针对人脸识别应用中的特征抽取问题,对经典的Fisher判别分析和局部保持投影算法进行了相应研究,提出了一种核局部Fisher鉴别分析算法(Kernel Local Fisher Discriminant Analysis,KLFDA)。该算法利用核方法提取高维数据图像中的非线性鉴别信息,并将其投影到一个高维特征空间;通过类别标签所含信息计算局部类间散度矩阵和类内散度矩阵,不仅有效的描述了样本的类间分离性和类内紧凑性,还保持了样本的局部几何特征。在AR、YALE和ORL人脸库上的仿真实验表明提出的算法具有较好的分类和识别性能。