| 基于改进KCCA的快速特征提取方法 |
| |
| 引用本文： | 任学惠,郝元宏,李明.基于改进KCCA的快速特征提取方法[J].计算机工程与设计,2008,29(6):1475-1477. |
| |
| 作者姓名： | 任学惠 郝元宏 李明 |
| |
| 作者单位： | 兰州理工大学,计算机与通信学院,甘肃,兰州,730050 |
| |
| 摘 要： | KCCA特征提取技术具有处理非线性数据的良好性能,但是存在计算量大、特征提取缓慢的局限性.针对KCCA的这一缺点,在研究KCCA特征提取技术和SVDD分类理论的基础上,提出了一种基于改进KCCA的快速特征提取方法,并将改进后的KCCA与SVDD的优势相结合应用于人脸识别中.通过在ORL人脸库上的实验仿真和对比结果验证了所提出方法的有效性.
|
| 关 键 词： | 典型相关分析 核方法 核典型相关分析 支持向量数据描述(SVDD) 人脸识别 |
| 文章编号： | 1000-7024(2008)06-1475-03 |
| 修稿时间： | 2007年5月16日 |
Fast feature extraction method based on improved KCCA |
| |
| REN Xue-hui,HAO Yuan-hong,LI Ming.Fast feature extraction method based on improved KCCA[J].Computer Engineering and Design,2008,29(6):1475-1477. |
| |
| Authors: | REN Xue-hui HAO Yuan-hong LI Ming |
| |
| Affiliation: | REN Xue-hui,HAO Yuan-hong,LI Ming(School of Computer , Communication,Lanzhou University of Technology,Lanzhou 730050,China) |
| |
| Abstract: | The latest feature extraction methods based on KCCA are introduced.However,feature extraction for one sample requires that kernel functions between training samples and the sample be calculated in advanced.In order to upgrade the extraction efficiency,an improved algorithm is developed.The framework of KCCA and SVDD used in face recognition is proposed for the end.The experiment results on the ORL face image database demonstrate the competitiveness of the method proposed. |
| |
| Keywords: | |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
