基于KDA/GSVD和支持向量机的人耳识别

• 作者: 张霞敦 敦文杰 穆志纯 赵海龙
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 人耳识别 线性判别分析 广义奇异值分解 KDA/GSVD 支持向量机
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 人工智能及图像处理
• 页码范围: 257-260
• 页数: 4页
• 分类号: TP391
• 字数: 4172字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2009.02.062

摘要

在高维、小样本的情况下使用Fisher线性鉴别分析的特征提取方法存在病态奇异问题,学者们提出了许多解决此问题的方法.针对小样本问题,并通过对现有人耳识别方法的研究,提出了一种利用KDA/GSVD算法对图像数据进行降维,运用SVM分类器对样本进行判别的人耳识别方法.此外,还对线性判别分析、广义奇异值分解和支持向量机的基本理论等内容做了简要介绍.实验证明,KDA/GSVD很好地解决了由于小样本的问题而导致的LDA算法中类内离散度矩阵不可求逆的问题,把它与支持向量机有机地结合起来,构成了一种有效的人耳识别新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵海龙	北京科技大学信息工程学院	8	54	4.0	7.0
2	穆志纯	北京科技大学信息工程学院	140	1211	16.0	24.0
3	敦文杰	北京科技大学信息工程学院	5	45	3.0	5.0
4	张霞敦	北京科技大学信息工程学院	1	1	1.0	1.0