对称核主成分分析及其在人脸识别中的应用

• 作者: 何振学 张贵仓 杨林英 谯钧
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 人脸识别 支持向量机 特征提取 镜像对称性 主成分分析 核主成分分析
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 174-177,181
• 页数: 5页
• 分类号: TP391
• 字数: 4067字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2013.03.034

摘要

核主成分分析(KPCA)没有充分利用人脸的对称性特征,在人脸识别中缺少训练样本,致使其识别率较低.为此,提出一种对称KPCA算法.利用人脸的镜像对称性,通过对训练样本进行镜像变换,得到奇对称样本和偶对称样本,分别提取各奇/偶对称样本的特征分量,使用最近邻距离分类器完成分类.实验结果表明,该算法能扩大样本容量,当多项式阶数为2时,该算法的识别率高于KPCA算法,识别时间短于KPCA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	张贵仓	西北师范大学计算机科学与工程学院	94	658	12.0	21.0
2	杨林英	西北师范大学计算机科学与工程学院	3	17	2.0	3.0
3	何振学	西北师范大学计算机科学与工程学院	4	16	2.0	4.0
4	谯钧	西北师范大学计算机科学与工程学院	1	2	1.0	1.0