排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
线性辨别分析(LDA)特征空间的坐标轴是非正交的,并且基于LDA的分类器的性能容易受训练集变化的影响.Okada[1]提出了一种优化正交系统,但运算量大,且增加了特征空间坐标轴的数目,影响分类器速度.本文提出一种新的正交分量辨别分析(OCDA),没有增加坐标轴的数目,并且稳定性和识别率都优于LDA. 相似文献
2.
3.
线性辨别分析(LDA)特征空间的坐标轴是非正交的,并且基于LDA的分类器的性能容易受训练集变化的影响。Okada提出了一种优化正交系统,但运算量大,且增加了特征空间坐标轴的数目,影响分类器速度。本文提出一种新的正交分量辨别分析(OCDA),没有增加坐标轴的数目,并且稳定性和识别率都优于LDA。 相似文献
4.
基于非线性特征提取和SVM的人脸识别算法 总被引:11,自引:0,他引:11
传统的PCA或LDA都是从像素的二阶依赖上考虑的,对于多像素之间的依赖性或像素的高阶关系不敏感。该文利用核函数方法提取像素高阶相关,并与线性SVM相结合来进行人脸识别。从Yale人脸库上的实验结果可以看出,非线性特征提取是很有效的,并且SVM分类器的性能优于最近邻分类器。 相似文献
5.
基于Gabor变换的人眼定位 总被引:7,自引:0,他引:7
眼睛是人脸图像中最重要的特征点,有效地提取人眼特征在人脸识别中有重要的意义。鉴于2D Gabor函数与高等动物视觉皮层接受场的一致性,本文采用人眼的Gabor变换系数作为其特征模板,并用高斯多分辩搜索的方法,快速的定位人眼。实验结果表明,这种方法对于轻度旋转 、倾斜、面部表情的变化等有效好的鲁棒性。 相似文献
6.
1