KPCA和NS-LDA相结合的人脸识别研究

• 作者: 李秀丽 董吉文 赵磊
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 核主成分分析 零空间线性鉴别分析 人脸识别 余弦角距离
• 年，卷（期）: 2013,（5）
• 页码范围: 100-103
• 分类号: TP391.41
• 字数: 3216字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2013.05.026

摘要

为了能够通过保留类内散布矩阵零空间的有效鉴别信息,并选择恰当的投影找到最大可能地区别类内类间的数据集,文章分别选用核主成分分析(KPCA)和零空间线性鉴别分析(null space LDA),其中核主成分分析(KPCA)是主成分分析(PCA)在核空间中的非线性推广,零空间线性鉴别分析利用了零空间的有效信息.文中将KPCA和NS-LDA的特征提取方法结合并应用于人脸识别研究,其综合了KPCA利用数据高阶性和经NS-LDA投影矩阵良好可分性的优点来增强人脸识别性能.实验结果证明,该方法能够有效地提高人脸识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董吉文	济南大学信息科学与工程学院	39	302	10.0	15.0
2	赵磊	济南大学信息科学与工程学院	11	21	3.0	4.0
3	李秀丽	济南大学信息科学与工程学院	2	5	2.0	2.0