基于PCA及ICA双空间特征提取算法.pdfVIP

下载本文档

8
0
约2.25万字
约 8页
2017-09-04 发布于安徽
举报
版权申诉

基于PCA及ICA双空间特征提取算法.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第13卷第11期中国图象图形学报 V01．13，No．11 2008年11月 of Nov．。2008 Journal and ImageGraphics 基于PCA及ICA的双空间特征提取算法王卫东”二’ 韩斌” 杨静宇2’ 1’(江苏科技大学电子信息学院计算机系，镇江212003)2’(南京理工大学计算机系，南京210094) 摘要任何一种单子空间特征提取算法都不能在任何情况下优于其他子空问算法，但是采用双子空间却可以克服单子空间的局限性。为了提高分类结果的正确率，提出了一种基于PCA及ICA的双空间特征提取算法，该算法采用ICA作为PCA的补空间进行特征提取，其目的是将在PCA子空间中难以识别的样本，再次投影到ICA 子空间中进行识别。该算法可分为以下两个步骤：首先进行预分类，即在一个子空间内同时使用两种分类器对测试样本进行分类，若某个测试样本被两种分类器划分到不同的类，则将该测试样本加入到新测试样本集中；然后将新测试样本集中的测试样本再次投影到另一个子空间中进行分类识别；最后，将识别结果与预分类结果一起进行正确率测试。在ORL及FERET人脸库上的实验结果表明，该算法的模式识别率明显优于传统的特征提取算法。关键词双空间算法主成分分析独立成分分析特征提取人脸识别中图法分类号：TP391．41文献标识码：A 文章编号：1006—8961(2008)11-2163-07 FeatureExtraction Basedon andICA Dual·space AlgorithmPCA WANG Wei-don91㈨。HANBin”，YANGJing—yu2) Electronicand Science ”(DepartmentCompu把，Schoolof of of InformationEngineering，JiangsuUniversity and Technology，Zhenjiang212003) ”(DepartmentofComputer Universityofience＆Technology，Nanfing210094) Science，Nanjing AbstractNo featureextraction othersunderall dual— singlesubspace algorithmoutperforms circumstances，but applying featureextraction canovercomethelimitsof increasethe rateofclassified space algorithm singlesubspace．To