模糊的类内矩阵模式主分量分析及在人脸识别中的应用

• 作者: 朱玉莲
• 来源期刊: 南京航空航天大学学报（英文版）
• 学科: 工学
• 关键词: 人脸识别 主分量分析(PCA) 矩阵模式PCA(MatPcA) 模糊K最近邻(FKNN) 模糊类内 MatPCA
• 年，卷（期）: 2008,（2）
• 页码范围: 141-147
• 页数: 7页
• 分类号: TP181|TP751.1
• 字数: 1251字
• 语种: 英文
• DOI: 10.3969/j.issn.1005-1120.2008.02.010

摘要

矩阵模式主分量分析(MatPCA)作为有效的特征提取方法能同时处理矩阵表式的模式和向量表式的模式.但与主分量分析(PCA)方法一样,MatPCA没有使用样本的类别信息,因此所提取的特征不能提供足够的判别信息,进而影响随后的分类性能.为有效利用样本的类别信息,在MatPCA基础上提出了一种新的特征提取方法棗模糊的类内MatPCA(F-WMatPCA).F-WMatPCA利用模糊K最近邻(FKNN)求解训练样本的模糊隶属度并在模糊的类内执行MatPCA.由于F-WMatPCA使用更多的类别信息,因此能有效地提高识别精度.对ORL,Yale人脸数据集和几个UCI数据集做了实验,结果证实了该方法的有效性.另外,讨论了F-WMatPCA在人脸识别上的应用,并与F-Fisherfaces作了比较,结果表明F-WMatPCA具有比F-Fisherfaces更稳定、更鲁棒的识别性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱玉莲	南京航空航天大学信息科学与技术学院	13	76	4.0	8.0