基于高斯分布监督学习样本的Fisher核构造方法

结合实际应用背景,针对各类样本服从高斯分布的监督学习情形,提出了构造Fisher核的新方法.由于利用了样本中的类别信息,该方法用极大似然估计代替EM算法估计GMM参数,有效降低了Fisher核构造的时间复杂度.结合核Fisher分类法,上述方法在标准人脸库上的仿真实验结果显示,用所提方法所构造的Fisher核不仅时间复杂度低,且识别率也优于传统的高斯核与多项式核.本文的研究有利于将Fisher核的应用从语音识别领域拓展到图像识别等领域.