一种新的求解无相关鉴别矢量集方法

无相关鉴别矢量集方法是解决模式识别问题的有效方法 .通常情况下 ,无相关鉴别矢量集是通过递归方式获得的 ,计算时间较长 .该文提出了一种求解无相关鉴别矢量集的非递归方法 .首先根据总体散布矩阵构造无相关投影空间 .对于无相关投影空间中的任何正交矢量集 ,其在原空间中的特征统计无关 .然后在无相关投影空间求解基于Fisher线性判别准则的正交矢量集 ,从而得到原空间的无相关鉴别矢量集 .理论分析和实验结果表明 :该文方法和Jin等的方法所求解的无相关鉴别矢量集是一致的 .而应用本文方法求解无相关鉴别矢量集计算时间较短 ,在类别数为C的情况下 ,二者的时间比为 (C - 1)∶2 .

基于核映射的无相关鉴别矢量集算法

针对人脸识别这一非线性分类问题,提出了一种基于核的无相关鉴别矢量集算法。应用了支持向量机中核函数的思想,通过核映射将原空间的非线性分类问题转化为特征空间的线性分类问题,然后在特征空间进行无相关鉴别矢量集的求取。其优势在于:利用核函数不但可以将非线性问题转化为线性问题,而且可以提取样本图像的高阶统计特征。在ORL人脸库中的测试结果表明,与传统的全局正交鉴别矢量集算法及传统的无相关鉴别矢量集算法相比,基于核映射的无相关鉴别矢量集算法有更高的识别率,最高识别率可达到99%。

改进的基于核的无相关鉴别矢量集算法

由于小样本情况下,类内散布矩阵SwΦ零空间的存在,使得利用基于核的无相关鉴别矢量集算法求取的鉴别矢量存在退化现象,因此作者提出了一种改进的基于核的无相关鉴别矢量集算法(MKUFDA)。在ORL人脸图像库上的仿真实验结果表明,与基于核的无相关鉴别矢量集算法相比,改进的基于核的无相关鉴别矢量集算法具有更高的识别性能。