融合核主成分分析和最小距离鉴别投影的人脸识别算法
Face Recognition Algorithm Fused Kernel Principal Component Analysis and Minimum Distance Discriminant Projection作者机构:南昌航空大学信息工程学院南昌330063
出 版 物:《计算机工程》 (Computer Engineering)
年 卷 期:2016年第42卷第4期
页 面:221-225,234页
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金资助项目(61163047) 江西省教育厅基金资助项目(GJJ14503)
主 题:主成分 核主成分 核子空间 鉴别投影 人脸识别 特征提取
摘 要:针对人脸识别问题,在原有的最小距离鉴别投影算法的基础上,根据核主成分分析(KPCA)方法,提出一种新的融合核主成分分析和最小距离的鉴别投影算法。运用KPCA对高维样本空间进行降维,通过核技巧将样本映射到高维非线性空间,继而在降维后的核子空间上通过鉴别投影方法计算其相应的投影矩阵,采用最近邻分类方法对样本进行分类并最终实现人脸识别。在ORL,FERET和YALE人脸库上的实验结果表明,该算法的识别率优于其他算法,可避免高维矩阵的计算复杂问题,同时定义的核子空间相似度权重也较好地保持了样本之间的近邻关系。