局部和全局加权的二维统计不相关鉴别分析

• 作者: 姚永芳 李力 荆晓远 黄明晓
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 统计不相关鉴别分析 鉴别特征 二维鉴别分析 二维统计不相关鉴别变换
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 114-117
• 页数: 4页
• 分类号: TP301
• 字数: 3311字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2014.06.029

摘要

传统的统计不相关鉴别分析方法使用样本的均值来估计期望，计算出总体散度矩阵。这些方法在数据不满足高斯分布的情况下会出现大的偏差，影响最优鉴别特征的提取。为了解决该问题，文中结合二维鉴别分析的思想，分别提出了基于局部的二维统计不相关鉴别变换( L2DUDT)方法和基于全局加权的二维统计不相关鉴别变换( WG2DUDT)方法。L2DUDT通过用样本的近邻中心来定义每个样本的期望，而WG2DUDT用样本间的欧几里得距离加权来定义期望。基于AR和FERET人脸数据库的实验表明，文中提出的方法与一些相关方法相比，有效地提高了识别性能。

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	黄明晓	南京邮电大学自动化学院	2	2	1.0	1.0
4	李力	南京邮电大学自动化学院	2	2	1.0	1.0