基于谱回归的边缘Fisher分析维数约简算法

提出了1种基于谱回归的边缘Fisher分析模型,通过将MFA优化模型转换为谱回归问题实现样本数据的特征提取;并分别提出了线性维数约简和基于核函数的非线性维数约简算法,训练算法同时具备谱回归和MFA的优点,能够充分利用数据集的流形结构和类别信息,解决原始数据非高斯分布条件下的高效维数约简问题。在标准数据集上的实验结果表明,与同类方法相比,所提方法不仅提高了维数约简的性能,而且减少了算法运行时间。

基于大间距准则的混合核Fisher判别分析

针对KFDA算法中存在的问题,提出了基于大间距准则的混合核Fisher人脸特征提取算法;首先,将原始数据通过非线性映射投影到高维数据空间;然后,引入大间距准则和混合核函数使得同类样本在投影后离得更近,不同类样本在投影后离得更远;在PIE和AR人脸库中的仿真实验验证了算法的有效性和稳定性。

基于自适应核边际费希尔分析的人脸识别算法

为解决人脸识别中的维数灾难问题,提出一种基于自适应核边际费希尔分析的人脸识别算法。在考虑图像流形结构的基础上给出与图像数据相关的自适应核函数,采用核边际费希尔分析对高维人脸图像进行非线性降维,利用最小二乘支持向量机在降维后的低维特征空间中进行分类识别。实验结果表明,该算法的识别性能优于其他常用的人脸识别算法。