-
题名对称核主成分分析及其在人脸识别中的应用
被引量:1
- 1
-
-
作者
何振学
张贵仓
谯钧
杨林英
-
机构
西北师范大学计算机科学与工程学院
-
出处
《计算机工程》
CAS
CSCD
2013年第3期174-177,181,共5页
-
基金
甘肃省自然科学基金资助项目(0803RJZA109)
甘肃省科技攻关计划基金资助项目(2GS035-A052-011)
-
文摘
核主成分分析(KPCA)没有充分利用人脸的对称性特征,在人脸识别中缺少训练样本,致使其识别率较低。为此,提出一种对称KPCA算法。利用人脸的镜像对称性,通过对训练样本进行镜像变换,得到奇对称样本和偶对称样本,分别提取各奇/偶对称样本的特征分量,使用最近邻距离分类器完成分类。实验结果表明,该算法能扩大样本容量,当多项式阶数为2时,该算法的识别率高于KPCA算法,识别时间短于KPCA算法。
-
关键词
人脸识别
支持向量机
特征提取
镜像对称性
主成分分析
核主成分分析
-
Keywords
face recognition
Support Vector Machine(SVM)
feature extraction
mirror symmetry
Principal Component Analysis(PCA)
Kernel Principal Component Analysis(KPCA)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-