基于p范数的QR-KPCA人脸识别算法

• 作者: 周水生 穆新亮 郑颖
• 来源期刊: 西安理工大学学报
• 学科: 工学
• 关键词: 特征提取 主成分分析 核主成分分析 QR分解
• 年，卷（期）: 2015,（1）
• 页码范围: 100-105
• 页数: 6页
• 分类号: O29|TB112
• 字数: 4494字
• 语种: 中文

摘要

K PC A是重要的非线性特征提取的人脸识别方法，但对较大规模训练数据库，会因核矩阵 K过大，计算代价高而不能有效实现，并且使用传统欧式距离度量很难大幅提升识别率。本研究提出了将基于QR分解的PCA推广到KPCA上且应用 p范数度量来解决这一问题的方法，即：首先采用选主元的Cholesky分解得到核矩阵K的低秩近似，然后对小规模矩阵 H进行QR分解，经过一些推导得到中心化核矩阵的特征向量，实现了KPCA的非线性特征提取，在分类识别阶段，本研究突破传统欧氏距离度量的局限，将 p范数作为度量相似性的方法，在O RL和A R人脸数据库中做了大量相关实验，并且分别研究了 p的取值对基于QR分解的主成分分析（QR‐PCA ）和核主成分分析（QR‐KPCA）算法的识别率的影响，实验结果表明，这种 p范数意义下的QR‐KPCA处理人脸识别问题有很高的识别率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周水生	西安电子科技大学数学与统计学院	40	295	10.0	15.0
2	穆新亮	西安电子科技大学数学与统计学院	4	33	4.0	4.0
3	郑颖	西安电子科技大学数学与统计学院	3	21	2.0	3.0