基于类内加权平均值的模块PCA算法

• 作者: 韩成茂
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 人脸识别 主成分分析 类内加权平均值
• 年，卷（期）: 2009,（22）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 194-196,199
• 页数: 4页
• 分类号: TP391
• 字数: 3228字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2009.22.066

摘要

针对主成分分析(PCA)算法在人脸识别中识别率低的问题,提出一种基于类内加权平均值的模块PCA算法.该算法对每一类训练样本中每个训练样本的每个子块求类内加权平均值,用类内加权平均值对训练样本类内的相应子块进行规范化处理.由所有规范化后的子块构成总体散布矩阵,得到最优投影矩阵,由训练集全体子块的中间值对训练样本子块和测试样本子块进行规范化后投影到最优投影矩阵,得到识别特征,并用最近距离分类器分类.ORL人脸库上的实验结果表明,该算法的识别性能优于普通模块PCA算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩成茂	临沂师范学院数学系	4	15	1.0	3.0