基于优化的LDA算法人脸识别研究

• 作者: 庄哲民 张阿妞 李芬兰
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 线性判别分析(LDA) 人脸识别 类间离散度 类内离散度 特征提取
• 年，卷（期）: 2007,（9）
• 所属期刊栏目: 论文
• 页码范围: 2047-2049
• 页数: 3页
• 分类号: TP391.41
• 字数: 2771字
• 语种: 中文

摘要

提取低维人脸特征是人脸识别系统中极其关键的一步.线性判别分析(LDA)是一种较为普遍的用于特征提取的线性分类方法.本文提出了一种优化的LDA算法,该方法克服了传统的LDA算法用于人脸识别时存在的问题:通过重新定义样本类间离散度矩阵使传统的Fisher准则能够最优化,克服了边缘类对选择最佳投影方向的影响;同时,利用因数分解的方法避免了对矩阵求逆,解决了小样本问题.依据经验选取适当的e值,得到最佳的识别效果.实验结果表明,人脸识别效果优于传统LDA方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	庄哲民	汕头大学电子工程系	44	908	9.0	30.0
2	李芬兰	汕头大学电子工程系	26	232	5.0	15.0
3	张阿妞	汕头大学电子工程系	2	63	1.0	2.0