多维主分量分析在人脸识别中的研究

• 作者: 何良华
• 来源期刊: 新型工业化
• 学科: 工学
• 关键词: 模式识别 主分量分析 人脸识别
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 研制与开发
• 页码范围: 59-65
• 页数: 7页
• 分类号: TP391.4
• 字数: 3523字
• 语种: 中文

摘要

主分量分析作为经典的降维及特征提取算法而一直备受研究人员重视。近年来，二维主分量分析越来越受到研究者的重视，主要有二维主分量分析算法（2-dimensional principal component analysis，2DPCA）和双向主分量分析算法（bidirectional PCA，BDPCA）。它们都是通过最大化投影矩阵散度来提取特征进而解决二维数据判别分析的问题。本文根据重构误差准则来提取多维数据中各维主分量这一思路出发提出了多维主分量分析（Multi-Dimension Principal Component Analysis，MDPCA）的概念，本文算法理论上可以提取任意维。为了测试本文提出算法的性能，在JAFFE, ORL和FERET三个主要人脸库上设计了一系列实验，在所有的实验结果中，本文提出的分析算法都取得了最佳效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何良华	同济大学电子与信息工程学院计算机科学与技术系	20	138	6.0	11.0