| 基于小波特征的快速核主分量分析技术 |
| |
| 引用本文： | 陈才扣,王正群,杨静宇. 基于小波特征的快速核主分量分析技术[J]. 计算机工程与应用, 2004, 40(22): 45-47,93 |
| |
| 作者姓名： | 陈才扣 王正群 杨静宇 |
| |
| 作者单位： | 南京理工大学计算机科学与工程系,南京,210094;扬州大学计算机科学与工程系,扬州,225001;扬州大学计算机科学与工程系,扬州,225001;南京理工大学计算机科学与工程系,南京,210094 |
| |
| 基金项目： | 国家自然科学基金(编号:60072034)，国家教委博士点基金资助 |
| |
| 摘 要： | 论文提出了基于小波特征的核主分量分析技术,即在进行非线性映射之前,首先利用小波变换对原始输入训练样本进行预处理,获取低频平滑、水平细节和垂直细节等三个子图的小波特征,然后在频域上,对它们分别进行核主分量分析(KPCA),对最终获得的3组特征向量设计了一种特征融合的方法。在ORL标准人脸库上的试验结果表明所提方法不仅在识别性能上优于现有的核主分量分析方法,而且,特征抽取速度提高了11倍。
|
| 关 键 词： | 核主分量分析 小波分解 特征抽取 人脸识别 |
| 文章编号： | 1002-8331-(2004)22-0045-03 |
A Fast Kernel Principal Component Analysis Technique Based on Wavelet Feature |
| |
| Chen Caikou , Wang Zhengqun Yang Jingyu. A Fast Kernel Principal Component Analysis Technique Based on Wavelet Feature[J]. Computer Engineering and Applications, 2004, 40(22): 45-47,93 |
| |
| Authors: | Chen Caikou Wang Zhengqun Yang Jingyu |
| |
| Affiliation: | Chen Caikou 1,2 Wang Zhengqun 2 Yang Jingyu 11 |
| |
| Abstract: | A novel kernel principal component analysis method based on wavelet feature is developed in the paper.Wavelet transform is first employed to preprocess the original training samples and threee groups of wavelet features,which correspond to lower frequency,horizontal detail and vertical detail respectively,are obtained.Kernel principal com-ponent analysis(KPCA)is then performed in each transformed lower dimensional samples.In order to combine three classes of nonlinear principal component features obtained above together,a feature fusion method is presented.Finally,the experimental results on ORL face database indicate that the proposed method is superior to KPCA in the recogniton rate and11times faster than KPCA in feature extraction. |
| |
| Keywords: | kernel principal component analysis wavelet decomposition feature extraction face recognition |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
