融合奇异值分解和线性鉴别分析的人脸识别算法

• 作者: 俞能海 刘政凯 庞彦伟 张迁
• 来源期刊: 电路与系统学报
• 学科: 工学
• 关键词: 人脸识别 模式识别 线性鉴别分析 奇异值分解 分类器融合
• 年，卷（期）: 2006,（4）
• 所属期刊栏目: 论文
• 页码范围: 47-50,55
• 页数: 5页
• 分类号: TP391
• 字数: 3522字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-0249.2006.04.011

摘要

本文提出了奇异值分解(SVD)和线性鉴别分析(LDA)相结合的人脸识别算法.理论上,当两种数据或分类器具有一定的独立性或互补性时,数据融合或分类器融合才能改善识别率.SVD和LDA之间有着明显的互补之处,LDA在fisher准则下能最大限度地把不同的类别区分开来,但作为一种子空间方法,LDA敏感于位移、旋转等几何变换.而作为一种代数特征提取方法的SVD则具有位移、旋转不变性等优点.因此,将这两种方法相结合就有可能提高分类性能(好于单独的SVD方法和单独的LDA方法).在ORL数据库上的实验表明,SVD和LDA相融合的识别方法的确提高了人脸识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘政凯	中国科学技术大学信息处理中心	70	1933	22.0	42.0
2	俞能海	中国科学技术大学信息处理中心	84	1225	18.0	32.0
3	庞彦伟	中国科学技术大学信息处理中心	8	287	5.0	8.0
4	张迁	中国科学技术大学信息处理中心	9	257	5.0	9.0