基于核空间的全局正交鉴别矢量集方法

提出了一种基于核的全局正交鉴别矢量集方法。首先应用支持向量机中核函数的概念,将样本隐式地映射到特征空间,然后构造特征空间的正交空间,再将特征空间样本映射到特征空间的正交空间,求解基于Fisher的全局正交鉴别矢量集。在ORL人脸图像库上的实验结果表明,与现有的基于核的广义鉴别矢量集算法(GDA)和改进的基于核的广义鉴别矢量集算法(MGDA),以及基于核的直接鉴别矢量集算法(KDDA)相比,本文算法有更高的识别率及鲁棒性。

Fisher线性鉴别函数的一种推广形式

鉴于常用的两种Fisher鉴别函数在应对奇异问题时存在的不足,给出一种Fisher鉴别函数推广形式,它能将双子空间鉴别分析中两个子空间的鉴别函数统一起来.本文还通过QR分解得到一个正交鉴别向量集,它与Fo-ley-Sammon正交鉴别向量集的鉴别性能很接近,但计算量较小.在2种人脸库上进行实验,实验结果与理论分析一致.