基于FKPCA与双决策子空间的人脸识别

针对人脸识别中的小样本问题,提出一种快速核主元分析(FKPCA)与双决策子空间的人脸识别方法。利用FKPCA方法将原始样本空间映射到高维空间,在高维空间中实现原始样本的降维,在双决策子空间分别用Fisher准则和类间散布判决准则提取常规信息和非常规信息,通过加权欧式距离进行信息融合并用最近邻分类器进行识别。在ORL人脸库上的实验结果表明,该方法具有较高的识别率与较快的识别速度。

基于双决策子空间和神经网络的人脸表情识别

提出了一种新的基于双决策子空间和径向基函数(RBF)神经网络的人脸表情识别方法。该方法首先采用CKFD算法在双决策子空间(核空间和值域空间)中进行决策分析,提取两类判决特征信息:非常规信息和常规信息,并按一定的规则融合这两类判决信息;再运用RBF神经网络分类器和融合特征进行人脸表情的分类识别。基于日本女性表情数据库JAFFE的实验结果表明,它是一种有效的人脸表情识别方法。