不相关最佳鉴别矢量集的有效算法

线性鉴别分析中处理小样本问题的方法有两类:①在模式识别之前,通过降低模式样本特征向量的维数达到消除奇异性的目的;②发展算法获得低维鉴别特征。将这两种方法结合起来,解决了高维小样本情况下基于广义Fisher线性鉴别准则的不相关最优鉴别矢量集的求解问题,给出了抽取最优鉴别矢量的有效算法。

一种基于特征融合的人脸识别新方法

提出了一种基于特征融合的人脸识别新方法。首先采用两种不同的K L变换分别降低原始图像空间的维数,避开人脸识别小样本集的局限,然后利用复向量将同一样本的两组特征向量合并在一起,通过运用具有统计不相关性的复线性鉴别分析来抽取人脸图像的有效鉴别特征,最后在ORL人脸库上实验结果表明所提出的方法不仅识别性能优于经典的Fisherfaces,而且仅用14个特征识别率就达到96%。