基于KL距离的KPCA人脸识别算法

• 作者: 王春芳 高煜妤
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 核主成分分析 KL距离 类间距离 类内差异
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 130-134
• 页数: 5页
• 分类号: TP391.41
• 字数: 4874字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1509-0152

摘要

针对核主成分分析(KPCA)人脸识别算法中对全局特征变化敏感和忽略局部特征的问题,研究了一种基于KL距离的KPCA人脸识别算法.利用KL距离定义了类间距离和类内差异,设定了一个非线性优化函数来最大化类间距离,同时最小化类内差异,使提取的特征更为紧凑可分,并将其应用于KPCA算法中,利用ORL人脸图像库对算法的性能进行了测试.实验结果表明,该算法相对于传统KPCA算法具有更好的识别效果和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高煜妤	燕山大学里仁学院实验中心	16	24	3.0	4.0
2	王春芳	燕山大学里仁学院实验中心	15	32	4.0	5.0