基于半监督LDA特征子空间优化的人脸识别算法

• 作者: 刘漫丹 才乐千 纪明君
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: PCA算法 Fisher判别分析 二进制遗传算法 特征选择 人脸识别
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 图形与图像
• 页码范围: 1851-1857
• 页数: 7页
• 分类号: TP391.41
• 字数: 5075字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2018.10.018

摘要

人脸特征提取是人脸识别流程最重要的步骤,特征的好坏直接影响了识别效果.为了得到更好的人脸识别效果,需要充分利用样本的信息.为了充分利用训练样本和测试样本包含的信息,提出了利用样本散度矩阵将主成分分析PCA算法和线性判别分析LDA算法加权组合的半监督LDA(SLDA)特征提取算法.同时,受组合优化问题的启发,利用二进制遗传算法对半监督特征提取算法得到的特征空间进行优化.在ORL人脸数据库上的实验结果表明:与人脸识别经典算法和部分改进算法相比,SLDA算法获得了更高的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘漫丹	华东理工大学信息科学与工程学院	40	593	9.0	24.0
2	纪明君	华东理工大学信息科学与工程学院	1	4	1.0	1.0
3	才乐千	华东理工大学信息科学与工程学院	1	4	1.0	1.0