-
题名局部统计不相关非线性鉴别变换
- 1
-
-
作者
丁洁
荆晓远
姚永芳
李力
-
机构
南京邮电大学自动化学院
南京邮电大学计算机学院
-
出处
《计算机技术与发展》
2014年第12期105-108,共4页
-
基金
国家自然科学基金资助项目(61272273)
-
文摘
子空间学习方法是研究人脸识别问题的经典算法。然而,在实际中,人脸图像通常是高维线性不可分的,此时线性方法很难提取出更有效的特征;同时,人脸图像不满足理想的高斯分布,而传统的统计不相关方法使用所有样本的均值来估计期望,这种估计方法在样本数很少的情况下会出现较大的偏差。为了解决上述问题,文中提出了局部统计不相关非线性鉴别变换(LUNLDT)方法。该方法在核空间中,通过改良的统计不相关约束,迭代地求解出最优的鉴别向量集。AR人脸库和CAS-PEAL人脸库的实验结果验证了所提算法的有效性。
-
关键词
特征提取
核空间
统计不相关约束
局部统计不相关核鉴别变换
-
Keywords
feature extraction
kernel space
statistical uncorrelated constraints
local uncorrelated discriminant kernel transform
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-