基于Fisher准则改进线性判别回归分类的人脸识别

• 作者: 曾贤灏 李向伟
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 人脸识别 Fisher准则 线性判别 线性回归分类 K-近邻分类器
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 184-186,271
• 页数: 4页
• 分类号: TP391
• 字数: 4270字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.09.045

摘要

为了提高线性回归分类LRC（Linear Regression Classification）算法的鲁棒性，提出一种基于Fisher准则改进的线性判别回归分类算法。首先根据Fisher准则最大化类间重建误差与类内重建误差的比值，为LRC找到最优投影矩阵；然后利用最优投影矩阵将训练图像及测试图像投影到各个类的特征子空间；最后，计算出测试图像与各个训练图像之间的欧氏距离，并利用K-近邻分类器完成人脸的识别。在FERET和AR人脸数据库上的实验验证了本文算法的有效性。实验结果表明，相比其他回归分类算法，该算法取得了更好的识别效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾贤灏	兰州工业学院电子信息工程系	17	15	2.0	2.0
2	李向伟	兰州工业学院软件工程系	18	55	5.0	5.0