具有统计不相关性的图像投影鉴别分析及人脸识别

提出了一种新的图像投影鉴别分析方法 与Liu鉴别投影分析方法相比 ,该方法具有能够消除投影特征向量之间相关性的优点 另外 ,所提出的方法是直接基于图像矩阵的 ,与以往的基于图像向量的鉴别方法相比 ,它的突出优点是大大地提高了特征抽取的速度 最后 ,在ORL标准人脸库和NUST6 0 3人脸库上的试验结果表明 ,所提出的图像投影鉴别分析方法较Liu的方法在识别性能上有了较大幅度的提高 ,在普通的分类器下分别达到 95 5 %和 99 4 %的识别率 该识别率明显优于颇有影响的Fisherfaces方法 ,而且 ,特征抽取的速度提高了近

基于模糊Fisher准则的自适应降维模糊聚类算法

该文指出曹苏群等人提出的基于模糊Fisher准则(FFC)的半模糊聚类算法(FFC-SFCA)中的一个推导错误,结合模糊紧性和分离性(FCS)聚类算法提出新的聚类算法:FFC-FCS。FFC-FCS充分利用FFC的特征提取和降维特性,交替运行原始数据空间中FFC和投影空间中的FCS,通过对降维数据的聚类实现对原始数据的聚类。FFC-FCS不仅对低维数据具有优异的分类性能而且对高维数据也表现出一定的分类优势。实验结果表明,FFC-FCS的性能明显优于原有的FCS算法,FFC-SFCA算法以及经典的模糊C-均值(FCM)算法。