原文服务方: 计算机应用研究       
摘要:
为有效解决小样本问题,从线性子空间的角度出发,构造了一种矩阵变换,得到了类内散布矩阵的另一个对称线性子空间;通过对两个子空间的分别求解,从而得到样本有效的鉴别信息.该方法有效地解决了传统Fisher鉴别分析方法中的最终特征维数受类别数限制的问题.在NUST603和ORL人脸数据库上的实验结果验证了算法的有效性.
推荐文章
基于LLE算法的人脸识别方法
子空间分析
局部线性嵌入
非线性降维
人脸识别
基于视频监控的人脸识别方法
人脸识别
监控视频
人脸序列
协同识别
一种基于融合深度卷积神经网络与度量学习的人脸识别方法
多Inception结构
深度卷积神经网络
度量学习方法
深度人脸识别
特征提取
损失函数融合
一种新的多角度人脸表情识别方法
多角度人脸表情识别
增量修正
并行级联线性回归
特征提取
高斯过程隐变量模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种对称散布矩阵空间的人脸识别方法
来源期刊 计算机应用研究 学科
关键词 特征抽取 线性鉴别分析 对称散布子空间 小样本问题 人脸识别
年,卷(期) 2010,(4) 所属期刊栏目 图形图像技术
研究方向 页码范围 1557-1559
页数 3页 分类号 TP391.41
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2010.04.100
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 段旭 江苏科技大学计算机科学与工程学院 13 17 3.0 3.0
2 张绛丽 江苏科技大学计算机科学与工程学院 14 22 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (23)
参考文献  (10)
节点文献
引证文献  (3)
同被引文献  (1)
二级引证文献  (1)
1986(1)
  • 参考文献(1)
  • 二级参考文献(0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(3)
  • 参考文献(1)
  • 二级参考文献(2)
1992(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(0)
  • 二级引证文献(1)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
特征抽取
线性鉴别分析
对称散布子空间
小样本问题
人脸识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导