一种求解高维数据最佳鉴别向量的新算法

针对线性鉴别分析LDA(Linear Discriminant Analysis)方法在高维人脸图像识别领域的应用,提出一种计算最佳鉴别向量的新算法,无需对高维图像数据进行降维预处理,直接计算最佳鉴别向量。算法得到的鉴别向量相互正交,与已有的算法得到的鉴别向量相比,具有更好鉴别性能。在ORL和VALID人脸数据库上的实验结果证明了本算法的有效性。

改进的PCA人脸识别算法研究

主成分分析法(PCA)由于具有高识别率和简便性的优点,成为人脸识别技术学习者的首选。介绍了K-L变换和PCA算法的主要步骤,由于PCA算法对异常值很敏感,因此在PCA基础上进行改进,提出了PCA-LDA人脸识别方法。该方法通过PCA算法求得训练样本集的特征空间,接着执行LDA算法获得两者融合的特征空间,然后对投影于特征空间的人脸进行训练及识别。实验结果表明,改进的PCA-LDA人脸识别算法比传统的PCA算法识别率高,速度更快,很好地综合了两个算法的优点,达到了预期效果。