|
|||||
|
|
| 新的非线性鉴别特征抽取方法及人脸识别 | |
| 引用本文： | 刘永俊,陈才扣,赵根林,杨静宇.新的非线性鉴别特征抽取方法及人脸识别[J].计算机工程与设计,2008,29(6):1519-1522. |
| 作者姓名： | 刘永俊 陈才扣 赵根林 杨静宇 |
| 作者单位： | 1. 常熟理工学院,软件工程系,江苏,常熟,215500;扬州大学,信息工程学院,江苏,扬州,225009 2. 扬州大学,信息工程学院,江苏,扬州,225009;南京理工大学,计算机科学与工程系,江苏,南京,210094 3. 常熟理工学院,软件工程系,江苏,常熟,215500 4. 南京理工大学,计算机科学与工程系,江苏,南京,210094 |
| 基金项目： | 国家自然科学基金 , 江苏省高校自然科学基金 |
| 摘 要： | 在非线性空间中采用新的最大散度差鉴别准则,提出了一种新的核最大散度差鉴别分析方法.该方法不仅有效地抽取了人脸图像的非线性鉴别特征,而且从根本上避免了以往核Fisher鉴别分析中训练样本总数较多时,通常存在的核散布矩阵奇异的问题,计算复杂度大大降低,识别速度有了明显的提高.在ORL人脸数据库上的实验结果验证了该算法的有效性. |
| 关 键 词： | 核非线性鉴别分析 最大散度差鉴别准则 核最大散度差鉴别分析 特征抽取 人脸识别 |
| 文章编号： | 1000-7024(2008)06-1519-03 |
| 修稿时间： | 2007年4月23日 |
New nonlinear feature extraction method for face recognition |
|
| LIU Yong-jun,CHEN Cai-kou,ZHAO Gen-lin,YANG Jing-yu.New nonlinear feature extraction method for face recognition[J].Computer Engineering and Design,2008,29(6):1519-1522. | |
| Authors: | LIU Yong-jun CHEN Cai-kou ZHAO Gen-lin YANG Jing-yu |
| Affiliation: | LIU Yong-jun1,2,CHEN Cai-kou2,3,ZHAO Gen-lin1,YANG Jing-yu3(1.Department of Software Engineering,Changshu Insitute of Technology,Changshu 215500,China,2.College of Information Engineering,Yangzhou University,Yangzhou 225009,3.Department of Computer Science , Engineering,Nanjing University of Science , Technology,Nanjing 210094,China) |
| Abstract: | A novel kernel maximum scatter difference discriminant analysis(KMSDA) based on scatter difference criterion is developed for extraction of nolinear feature.The proposed method not only extract nolinear feature for faces but also essentially avoid the difficulties caused by the singularity of kernel within-class scatter matrix in traditional kernel Fisher discriminant analysis(KFDA).In addition,much computational time is saved due to its lower computational complexity.The experimental results on ORL face da... |
| Keywords: | kernel nolinear discriminant analysis maximum scatter difference criterion kernel maximum scatter difference discriminant analysis feature extraction face recognition |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |