| 基于拉普拉斯方向的差值线性判别分析 |
| |
| 引用本文： | 李照奎,丁立新,王岩,何进荣,周凌云.基于拉普拉斯方向的差值线性判别分析[J].计算机科学,2014,41(6):161-165,203. |
| |
| 作者姓名： | 李照奎 丁立新 王岩 何进荣 周凌云 |
| |
| 作者单位： | 武汉大学软件工程国家重点实验室 武汉大学计算机学院 武汉430072;武汉大学软件工程国家重点实验室 武汉大学计算机学院 武汉430072;沈阳航空航天大学计算机学院 沈阳110136;武汉大学软件工程国家重点实验室 武汉大学计算机学院 武汉430072;武汉大学软件工程国家重点实验室 武汉大学计算机学院 武汉430072 |
| |
| 基金项目： | 本文受国家自然科学基金(60975050,60902053),广东省省部产学研结合专项(2011B090400477),珠海市产学研合作专项(2011A050101005,2D0501990016),珠海市重点实验室科技攻关项目(2012D0501990026)资助 |
| |
| 摘 要： | 标准的LDA方法通常有3个问题:1)为了确保类内散度矩阵的非奇异性,必须首先通过PCA进行维数约简,这限制了对更多维数空间的使用;2)当每人只有单个训练样本时,类内散度矩阵必然奇异,此时LDA无法工作;3)缺乏对像素间的局部相关性的考虑。为了解决这些问题,提出一种基于拉普拉斯方向的差值线性判别分析方法。该方法通过拉普拉斯方向实现更鲁棒的图像相异性测度,通过引入差值散度矩阵来避免类内散度矩阵的奇异性。实验结果显示,该算法对表情变化、光照改变及不同遮挡情况获得了更高的识别率,尤其针对光照变化,效果更加显著。
|
| 关 键 词： | 拉普拉斯方向 维数约简 线性判别分析 鲁棒的相异性度量 |
| 收稿时间： | 2013/7/24 0:00:00 |
| 修稿时间： | 2013/11/2 0:00:00 |
Different Linear Discriminant Analysis Based on Laplacian Orientations |
| |
| LI Zhao-kui,DING Li-xin,WANG Yan,HE Jin-rong and ZHOU Ling-yun.Different Linear Discriminant Analysis Based on Laplacian Orientations[J].Computer Science,2014,41(6):161-165,203. |
| |
| Authors: | LI Zhao-kui DING Li-xin WANG Yan HE Jin-rong and ZHOU Ling-yun |
| |
| Affiliation: | State Key Laboratory of Software Engineering,School of Computer,Wuhan University,Wuhan 430072,China;State Key Laboratory of Software Engineering,School of Computer,Wuhan University,Wuhan 430072,China;School of Computer,Shenyang Aerospace University,Shenyang 110136,China;State Key Laboratory of Software Engineering,School of Computer,Wuhan University,Wuhan 430072,China;State Key Laboratory of Software Engineering,School of Computer,Wuhan University,Wuhan 430072,China |
| |
| Abstract: | |
| |
| Keywords: | Laplacian orientations Dimensionality reduction Linear discriminant analysis Robust dissimilarity measures |
| 本文献已被 CNKI 等数据库收录！ |
|
点击此处可从《计算机科学》下载全文 |
|
