基于卡方核的正则化线性判别行人再识别算法

• 作者: 吴渝 滕君 王明达 雷大江
• 来源期刊: 重庆大学学报
• 学科: 工学
• 关键词: 行人再识别 卡方核 正则化线性判别分析 核函数
• 年，卷（期）: 2018,（9）
• 页码范围: 66-76
• 页数: 11页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11835/j.issn.1000-582X.2018.09.008

摘要

针对行人再识别过程中存在获取的训练样本较少,真实样本分布不一定线性可分和算法识别率低的问题,提出基于卡方核的正则化线性判别分析行人再识别算法(KRLDA,kemel regularized linear discriminant analysis).该算法首先利用核函数将样本从线性不可分的原始空间映射到线性可分的高维特征空间,然后在高维空间中构造描述数据之间邻近关系的散度矩阵,再利用正则化线性判别分析获得高维到低维空间的投影矩阵,使得数据在低维空间能够保持高维空间的可分性,从而提升行人再识别算法的识别率.在VIPeR、iLIDS、CAVIAR和3DPeS数据集上,实验结果表明所提出的算法具有较高识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	雷大江	重庆邮电大学软件工程学院	15	47	5.0	6.0
5	吴渝	重庆邮电大学计算机科学与技术学院	99	1784	17.0	40.0
6	滕君	重庆邮电大学软件工程学院	1	0	0.0	0.0
7	王明达	重庆邮电大学计算机科学与技术学院	1	0	0.0	0.0