适用于小样本问题的具有类内保持的正交特征提取算法
An Orthogonal Feature Extraction Method Based on the Within-class Preserving for Small Sample Size Problem作者机构:哈尔滨工程大学计算机科学与技术学院哈尔滨150001 安徽理工大学计算机科学与工程学院淮南232001
出 版 物:《自动化学报》 (Acta Automatica Sinica)
年 卷 期:2010年第36卷第5期
页 面:644-649页
核心收录:
学科分类:0810[工学-信息与通信工程] 1205[管理学-图书情报与档案管理] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 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(60873036) 国家教育部博士点基金(200702170-51) 中央高校基本科研业务专项资金资助~~
摘 要:在人脸识别中,具有正交性的特征提取算法是一类有效的特征提取算法,但受到小样本问题的制约.本文在正交判别保局投影的基础上,提出了一种适用于小样本问题的具有类内保持的正交特征提取算法.算法根据同类样本之间的空间结构信息,重新定义了类内散度矩阵与类间散度矩阵,进而给出了一个新的目标函数.然而新的目标函数对于人脸识别问题,同样存在着小样本问题.为此本文将原始数据空间降到一个低维的子空间,从而避免了总体散度矩阵奇异,并在理论上证明了在该子空间中求解判别矢量集,等价于在原空间中求解判别矢量集.人脸库上的实验结果表明本文算法的有效性.