基于核理论的非线性鉴别分析方法的研究

• 作者: 业宁 李勇智 杨旭
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: 特征提取 人脸识别 核主成分分析 核Fisher判别方法 核最大间距准则
• 年，卷（期）: 2016,（2）
• 页码范围: 191-194
• 页数: 4页
• 分类号: TP18

摘要

人脸识别是模式识别领域中一个比较热的研究课题。人脸一般是高维数据,我们需要通过对数据降维进行特征提取,就是将原始数据对应的高维空间数据映射到低维空间中,在低维空间中进行线性的鉴别分析。由于实际问题中原始样本的分布通常是非线性的,该文运用核方法,将PCA和FDA进行了非线性推广,比较了核主成分分析（KPCA）和核Fisher判别分析（KFDA）以及核最大间距准则（KMMC）三种非线性特征提取方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	业宁	南京林业大学信息科学技术学院	83	805	16.0	24.0
2	李勇智	南京林业大学信息科学技术学院	14	136	6.0	11.0
3	杨旭	南京林业大学信息科学技术学院	7	67	4.0	7.0