具有动态调节功能的Fisherface方法

高维、小样本数据的识别问题,始终是模式识别领域的热点和难点问题。由于训练样本数量很少,当以样本的协方差矩阵作为模式协方差矩阵的估计时,会产生较大的偏差。这是造成模式分类错误的主要原因。本文在详细论述 Fisherface 方法的基础上,提出了具有动态调节功能的 Fisherface(DA-Fisherface)方法。该方法利用测试样本完成了对样本协方差矩阵的动态调节,减小了因样本数目很少所造成的偏差,从而实现了对 Fisher 鉴别矢量集的优化。最后,在 ORL 人脸库上的实验结果表明,该方法的模式分类正确率比 Fisherface 方法有显著提高。