基于2 D-PCA的两级LDA人脸识别方法

• 作者: 潘芬兰 王友钊 黄静
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 线性鉴别分析 直接线性鉴别分析 二维主成分分析 小样本问题 人脸识别 特征提取
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: ?人工智能及识别技术?
• 页码范围: 243-247
• 页数: 5页
• 分类号: TP18
• 字数: 3529字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2014.09.049

摘要

线性鉴别分析( LDA)小样本问题的已有解决方法在构造最优投影子空间时未完整利用LDA的4个信息空间，为此，提出一种基于二维主成分分析(2D-PCA)的两级LDA人脸识别方法。采用减法运算对样本类内散度矩阵和类间散度矩阵的特征值矩阵求逆，以解决小样本问题，并连续应用Fisher准则和修改后的Fisher准则连接2个投影子空间，获取包含LDA的4个信息空间的最优投影方向，利用2 D-PCA对输入样本做预处理，以减少计算复杂度。在ORL和YALE人脸库上的实验结果表明，该方法虽然训练时间略有增加，但识别率分别为92.5%和95.8%，优于其他常用LDA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	黄静	浙江理工大学信息学院	44	157	6.0	11.0
2	王友钊	浙江大学数字技术及仪器研究所	37	395	11.0	18.0
3	潘芬兰	浙江大学数字技术及仪器研究所	2	34	2.0	2.0