2维不相关鉴别矢量集算法

在人脸识别算法中,已有的计算不相关鉴别矢量集的算法均是基于图像向量模型的,因而将遇到所谓的小样本问题,而且由于采用迭代求解方式,算法运算速度缓慢,为此提出了一种新的求取不相关鉴别矢量集的算法,即一种基于图像矩阵模型的2维不相关鉴别矢量集算法。算法由于采用了图像矩阵模型,解决了小样本问题,通过对类内散布矩阵的白化变换,使得推广的2维线性鉴别分析模型具有类似的2维主成分分析模型的形式,从而将两种算法的模型有效地联系起来,进而可以非迭代地求得2维不相关鉴别矢量集,不但求解速度快且数值解稳定。在ORL和Yale人脸库上的实验结果表明,该算法不但减少了计算时间,同时也提高了识别率,为求解不相关鉴别矢量集提供了一个新的思路。

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。

一种改进的统计不相关最佳鉴别向量集

扩展了Fisher鉴别分析算法,提出一种改进的统计不相关的鉴别算法:首先应用PCA算法将原始特征空间映射到一个线性子空间,然后在子空间中构造最优鉴别矢量集。对人脸数据库测试的结果表明:改进的算法具有较强的特征鉴别能力。

6种牛肝菌的二维相关红外光谱的分析与鉴别

运用傅里叶变换红外光谱、二维相关谱对6种牛肝菌进行了分析鉴别。结果显示:6种牛肝菌的原始光谱总体特征相似。对样品1680~1300 cm-1进行二维相关红外光谱分析,发现不同牛肝菌的同步谱中自动峰和交叉峰的强度、位置显著不同。结果表明,可以通过傅里叶红外光谱结合二维相关红外光谱实现不同牛肝菌的鉴别。该方法对于分类鉴别蘑菇是一种快速、准确、有效的方法。

Fisher极小准则不相关空间算法及其在人脸识别中的应用

不相关空间算法是一种基于广义Fisher准则求解不相关鉴别矢量集的快速算法,但该算法要求总体散度矩阵可逆.针对高维小样本的情况,文中提出求解不相关鉴别矢量集的改进方法.该方法的基本思路是在类间散度矩阵的值空间中运用广义Fisher极小准则求解鉴别矢量集,并讨论在该子空间中进行求解的合理性.针对高维情况下类间散度矩阵值空间的计算效率问题,提出首先利用PCA算法将数据降维,然后在低维空间中求解值空间的策略并讨论其合理性.在ORL人脸数据库上的实验验证该方法的有效性,其识别率高于传统的Fisher脸方法和不相关空间算法.

七种牛肝菌的红外光谱鉴别

运用傅里叶变换红外光谱、二维相关谱及主成分分析对7种同属牛肝菌进行分析鉴别。结果显示:7种牛肝菌的原始光谱总体特征相似,主要由蛋白质、多糖等的吸收峰组成,但在吸收峰强度、位置仍存在差异。对样品进行二维相关红外光谱分析,在二维相关红外光谱1 680~1 300 cm^(-1)范围内,茶褐牛肝菌和双色牛肝菌出现了6个明显的自动峰;小美牛肝菌出现了5个明显的自动峰;灰褐牛肝菌和美柄牛肝菌出现4个明显自动峰;美味牛肝菌和铜色牛肝菌自动峰相对较少,只出现了3个明显的自动峰;而且自动峰和交叉峰的强度、位置也存在较大差异。同样在二维相关红外光谱1 150~920 cm^(-1)范围内,不同牛肝菌的同步谱中自动峰和交叉峰的数量、强度和位置也不同。对光谱1 800~800 cm^(-1)范围内的二阶导数进行主成分分析,所有样品均区分开,其分类正确率达100%。结果表明,傅里叶变换红外光谱结合二维相关红外光谱或者主成分分析可以有效地区分茶褐牛肝菌、小美牛肝菌、双色牛肝菌、灰褐牛肝菌、美柄牛肝菌、美味牛肝菌和铜色牛肝菌。该方法对于分类鉴别蘑菇是一种快速、准确、有效的方法。

一种改进的不相关空间算法及其在人脸识别中的应用

不相关空间算法是一种基于 Fisher 准则求解不相关鉴别矢量集的快速算法,但应用在人脸识别中将遇到小样本问题.本文提出一种改进的不相关空间算法,较有效地解决这一问题.其思想是将原始数据空间降到一个低维的子空间,从而避免了总体散布矩阵奇异,并在理论上证明,在这个子空间中求解不相关鉴别矢量集等价于在原空间中求解不相关鉴别矢量集.另外根据散布矩阵的对称性,引入一种计算方法,进一步提高求解不相关鉴别矢量集的速度.最后,在人脸库上的实验结果验证该算法的有效性.