局部统计不相关非线性鉴别变换

• 作者: 丁洁 姚永芳 李力 荆晓远
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 特征提取 核空间 统计不相关约束 局部统计不相关核鉴别变换
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 105-108
• 页数: 4页
• 分类号: TP301
• 字数: 5207字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2014.12.025

摘要

子空间学习方法是研究人脸识别问题的经典算法。然而，在实际中，人脸图像通常是高维线性不可分的，此时线性方法很难提取出更有效的特征；同时，人脸图像不满足理想的高斯分布，而传统的统计不相关方法使用所有样本的均值来估计期望，这种估计方法在样本数很少的情况下会出现较大的偏差。为了解决上述问题，文中提出了局部统计不相关非线性鉴别变换（LUNLDT）方法。该方法在核空间中，通过改良的统计不相关约束，迭代地求解出最优的鉴别向量集。AR人脸库和CAS-PEAL人脸库的实验结果验证了所提算法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荆晓远	南京邮电大学自动化学院	52	99	5.0	6.0
2	姚永芳	南京邮电大学自动化学院	16	20	2.0	2.0
3	丁洁	南京邮电大学自动化学院	6	15	3.0	3.0
7	李力	南京邮电大学自动化学院	2	2	1.0	1.0