-
题名采用虚拟训练样本的二次判别分析方法
被引量:16
- 1
-
-
作者
王卫东
杨静宇
-
机构
江苏科技大学电子信息学院计算机系
南京理工大学计算机系南京
-
出处
《自动化学报》
EI
CSCD
北大核心
2008年第4期400-407,共8页
-
基金
国家自然科学基金(60472060)资助
-
文摘
小样本问题会造成各类协方差矩阵的奇异性和不稳定性.本文采用对训练样本进行扰动的方法来生成虚拟训练样本,利用这些虚拟训练样奉克服了各类协方差矩阵的奇异性问题,从而可以直接使用二次判别分析(Quadratic discriminant analysis,QDA)方法.本文方法克服了正则化判别分析(Regularized discriminant analysis,RDA)需要进行参数优化的问题.实验结果表明,QDA的模式识别率优于参数最优化时RDA算法的识别率.
-
关键词
小样本问题
二次判别分析
虚拟训练样本
扰动方法
分类器
人脸识别
-
Keywords
Small sample size problem, quadratic discriminant analysis, virtual training samples, perturbation method classifier, face recognition
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于虚拟样本的加权稀疏表示人脸识别研究
被引量:3
- 2
-
-
作者
项晓丽
武圣
龙伟
武和雷
-
机构
南昌大学信息工程学院
山东大学软件学院
-
出处
《控制工程》
CSCD
北大核心
2018年第3期488-492,共5页
-
基金
国家自然科学基金资助项目(61261011)
-
文摘
实际的人脸识别系统常常会面临小样本问题,为了提高在小样本情况下人脸识别的分类正确率,提出一种基于虚拟样本的高斯加权稀疏表示的人脸识别方法。该方法首先利用人脸的对称性来构造虚拟训练样本,扩充训练样本集;然后,对每个测试样本,利用高斯核距离度量该测试样本和各个训练样本的相似性关系,并将该高斯核距离作为训练样本的权值来形成加权的训练样本集:最后,利用稀疏表示方法进行人脸的识别分类。实验结果比较分析表明,该方法在小样本情况下可以获得更好的识别效果。
-
关键词
人脸识别
小样本问题
虚拟训练样本
高斯核距离
加权的训练样本集
相似性关系
-
Keywords
Face recognition
small sample question
virtual training sample
Gaussian kernel distance
weighted training sample set
similarity relationship
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于虚拟样本的正则化鉴别分析方法
被引量:1
- 3
-
-
作者
陈雯
荆晓远
-
机构
南京邮电大学
-
出处
《微计算机信息》
2010年第33期202-203,共2页
-
基金
基金申请人:荆晓远
项目名称:非线性和二维鉴别分析方法及其应用的研究
+1 种基金
基金颁发部门:国家自然科学基金委(60772059)
江苏省教育厅自然科学基金项目(07KJB520081)
-
文摘
小样本问题会造成各类协方差矩阵的奇异性和不稳定性。本文利用样本重构理论,使用PCA样本协方差矩阵的特征向量生成虚拟样本,利用这些虚拟训练样本克服了各类协方差矩阵的奇异性问题,从而可以直接使用正则化判别分析方法。本文方法克服了正则化判别分析需要进行多个参数优化的问题。实验结果表明,本文提出的方法优于其他采用虚拟训练样本的二次判别分析方法。
-
关键词
小样本问题
正则化鉴别分析
虚拟训练样本
人脸识别
-
Keywords
Small sample size problem
regularized discriminant analysis
virtual training samples
face recognition
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-