Fisher极小准则不相关空间算法及其在人脸识别中的应用

• 作者: 冯朝胜 冯林 刘妍丽 杨军
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: Fisher极小准则 不相关鉴别矢量集 不相关空间算法 小样本问题
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 研究与应用
• 页码范围: 598-603
• 页数: 6页
• 分类号: TP391.41
• 字数: 5241字
• 语种: 中文

摘要

不相关空间算法是一种基于广义Fisher准则求解不相关鉴别矢量集的快速算法,但该算法要求总体散度矩阵可逆.针对高维小样本的情况,文中提出求解不相关鉴别矢量集的改进方法.该方法的基本思路是在类间散度矩阵的值空间中运用广义Fisher极小准则求解鉴别矢量集,并讨论在该子空间中进行求解的合理性.针对高维情况下类间散度矩阵值空间的计算效率问题,提出首先利用PCA算法将数据降维,然后在低维空间中求解值空间的策略并讨论其合理性.在ORL人脸数据库上的实验验证该方法的有效性,其识别率高于传统的Fisher脸方法和不相关空间算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨军	四川师范大学计算机科学学院	51	223	8.0	11.0
3	冯林	四川师范大学计算机科学学院	36	201	8.0	12.0
4	冯朝胜	四川师范大学计算机科学学院	36	428	8.0	20.0
7	刘妍丽	四川师范大学数学与软件科学学院	8	52	5.0	7.0