一种融合WPCA与WLDA的人脸识别方法

提出了一种融合加权PCA与加权LDA的人脸识别方法。该方法将主成分分析(PCA)的优点和线性鉴别分析(LDA)的优点充分地融合在一起,以欧式距离为参数的权函数w1使得PCA降维时加入类别差异从而得到最优投影矩阵,解决了PCA过程中使用最小距离方法时识别精度相对低的缺点;以马氏距离为参数的权函数w2使得LDA分类时,进一步扩大类间离散度,减小类内离散度。另外该方法在识别精度上比WPCA+LDA、PCA+WLDA、PCA+LDA算法都有很大的提高,通过在ORL、AR、FERET人脸库上的实验验证了算法的有效性。

一种基于动态反馈的人脸识别融合方法

提出了一种基于动态反馈的融合加权主成分分析(WPCA)和加权线性判别分析(WLDA)的人脸识别方法 (DFWPCA+WLDA)。该方法首先进行主成分分析(PCA)降维得到投影矩阵,然后通过不断的反馈信息得到权值,从而加权协方差矩阵,优化投影矩阵,最后采用加权线性鉴别分析(LDA)进一步提取分类特征。动态反馈能很好地利用样本的有用信息,加权LDA还能做到更好的分类。在ORL和YALE人脸库上的实验表明,该方法有效且性能优于PCA+LDA和WPCA+WLDA。