一种两阶段判别分析方法

• 作者: 曾青松
• 来源期刊: 电脑与电信
• 学科: 工学
• 关键词: 非参数化鉴别分析 CS分解 人脸识别 主成份分析 子空间
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 基金项目
• 页码范围: 14-19
• 页数: 6页
• 分类号: TP391.41
• 字数: 5529字
• 语种: 中文

摘要

为了解决LDA对复杂分布数据的表达问题,本文提出了一种新的非参数形式的散度矩阵构造方法.该方法能更好的刻画分类边界信息,并保留更多对分类有用的信息.同时针对小样本问题中非参数结构形式的类内散度矩阵可能奇异,提出了一种两阶段鉴别分析方法对准则函数进行了最优化求解.该方法通过奇异值分解把人脸图像投影到混合散度矩阵的主元空间,使类内散度矩阵在投影空间中是非奇异的,通过CS分解,从理论上分析了同时对角化散度矩阵的求解,并证明了得到的投影矩阵满足正交约束条件.在ORL,Yale和YaleB人脸库上测试的结果显示,改进的算法在性能上优于PCA+LDA,ULDA和OLDA等子空间方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾青松	广州番禺职业技术学院信息工程学院	40	80	5.0	7.0