原文服务方: 现代电子技术       
摘要:
线性判别分析(LDA)是监督式的特征提取方法,在人脸识别等领域得到了广泛应用。为了提高特征提取速度,提出了基于无穷范数的线性判别分析方法。传统LDA方法将目标函数表示为类内散布矩阵和类间散布矩阵之差的或者商的L2范数,且通常需要涉及到矩阵求逆和特征值分解问题。与传统方法不同,这里所提方法将目标函数表示为类内散布矩阵和类间散布矩阵之差的无穷范数,而且最优解是以迭代形式得到,避免了耗时的特征值分解。无穷范数使得到的基向量实现了二值化,即元素仅在-1和1两个数字内取值,避免了特征提取时的浮点型点积运算,从而降低了测试时间,提高了效率。在ORL人脸数据库和Yale数据库上的实验表明所提算法是有效的。
推荐文章
基于二维图像直接线性判别分析的人脸识别算法研究
线性判别分析
主分量分析
人脸识别
权值正交重构判别分析算法
重构判别分析
线性子空间
正交
权值
人脸识别
多尺度统计线性判别分析的运动行为检测
多尺度分析
线性判别
局部特征
运动目标
行为检测
基于Fishr线性判别分析的弧焊电源动特性自适应检测
特征生成
自适应检测
Fisher线性判别分析
主成分分析
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 基于无穷范数的二值线性判别分析
来源期刊 现代电子技术 学科
关键词 线性判别分析 无穷范数 二值化 特征提取
年,卷(期) 2013,(22) 所属期刊栏目 计算机应用技术 -- 科学计算与信息处理
研究方向 页码范围 24-27
页数 4页 分类号 TN911-34|TP391
字数 语种 中文
DOI
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 庞彦伟 天津大学电子信息工程学院 29 148 8.0 10.0
2 谭龙 天津大学电子信息工程学院 2 6 1.0 2.0
3 潘静 天津职业技术师范大学电子工程学院 16 60 5.0 7.0
4 翟佳 天津大学电子信息工程学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (3)
参考文献  (9)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(3)
  • 参考文献(2)
  • 二级参考文献(0)
  • 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)
研究主题发展历程
节点文献
线性判别分析
无穷范数
二值化
特征提取
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
现代电子技术
半月刊
1004-373X
61-1224/TN
大16开
1977-01-01
chi
出版文献量(篇)
23937
总下载数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导