对称零空间准则下的LDA特征抽取方法

• 作者: 吴小俊 宋晓宁 杨静宇 郑宇杰
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 特征抽取 线性鉴别分析 对称零空间 小样本问题 人脸识别
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 图像与图形的融合
• 页码范围: 400-405,411
• 页数: 7页
• 分类号: TP391.41
• 字数: 6532字
• 语种: 中文

摘要

小样本问题在利用线性鉴别分析处理高维样本时经常遇到,但是已有方法在如何构造完整的最优子空间,并在其中获得最有效的鉴别分析的过程中始终存在着共同的缺陷.提出一种最优对称零空间准则的鉴别分析方法,通过构造类内和类间散布矩阵的2个零子空间及其互补子空间,获得分布在各子空间中降维样本的最优鉴别信息,可有效地解决传统Fisher线性变换方法中的最终特征维数受类别数限制的问题.在FERET和ORL人脸数据库上的实验结果验证了文中方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴小俊	江南大学信息工程学院	170	1079	17.0	22.0
2	杨静宇	南京理工大学计算机科学与技术学院	623	11098	50.0	74.0
3	宋晓宁	南京理工大学计算机科学与技术学院	33	123	6.0	9.0
7	郑宇杰		15	48	4.0	6.0