| 一种融合KPCA和KDA的人脸识别新方法 |
| |
| 引用本文： | 周晓彦,郑文明.一种融合KPCA和KDA的人脸识别新方法[J].计算机应用,2008,28(5):1263-1266. |
| |
| 作者姓名： | 周晓彦 郑文明 |
| |
| 作者单位： | 南京信息工程大学 东南大学 |
| |
| 基金项目： | 国家自然科学基金
,
南京信息工程大学校内科研基金 |
| |
| 摘 要： | 核判别分析（KDA）和核主成分分析（KPCA）分别是线性判别分析（LDA）和主成分分析（PCA）在核空间中的非线性推广，提出了一种融合KDA和KPCA的特征提取方法并应用于人脸识别中，该方法综合利用KDA和KPCA 的优点来提高人脸识别的性能。此外，还提出了一种广义最近特征线(GNFL)方法来构造有效的分类器。实验结果证明：提出的方法获得了更好的识别结果。
|
| 关 键 词： | 核判别分析 核主成分分析 广义最近特征线 人脸识别 |
| 文章编号： | 1001-9081(2008)05-1263-04 |
| 收稿时间： | 2007-11-29 |
| 修稿时间： | 2007年11月29 |
Novel face recognition method based on KPCA plus KDA |
| |
| ZHOU Xiao-yan,ZHENG Wen-ming.Novel face recognition method based on KPCA plus KDA[J].journal of Computer Applications,2008,28(5):1263-1266. |
| |
| Authors: | ZHOU Xiao-yan ZHENG Wen-ming |
| |
| Affiliation: | ZHOU Xiao-yan1,2,ZHENG Wen-ming3(1.School of Electronics , Information Engineering,Nanjing University of Information Science , Technology,Nanjing Jiangsu 210044,China,2.School of Information Science , Engineering,Southeast University,Nanjing Jiangsu 210096,3.Research Center for Learning Science,China) |
| |
| Abstract: | Kernel Discriminant Anlaysis (KDA) and Kernel Principal Component Analysis (KPCA) are the nonlinear extensions of Linear Discriminant Analysis (LDA) and Principal Component Analysis (PCA) respectively. In this paper, we presented a feature extraction algorithm by combing KDA and KPCA to extract reliable and robust features for recognition. Furthermore, a generalized nearest feature line (GNFL) method was also presented for constructing powerful classifier. The performance of the proposed method was demonstrated through real data. |
| |
| Keywords: | Kernel Discriminant Analysis (KDA) Kernel Principal Component Analysis (KPCA) Generalized Nearest Feature Line (GNFL) face recognition |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用》浏览原始摘要信息 |
|
点击此处可从《计算机应用》下载全文 |
