一种新的子空间模式识别方法.pdfVIP

第33 卷 第1 期 电 子 科 技 大 学 学 报 Vol.33 No.1 2004 年2 月 Journal of UEST of China Feb. 2004 一种新的子空间模式识别方法 王 洪 ，吕幼新，向敬成 ( 电子科技大学电子工程学院 成都 610054) 【摘要】提出了一种改进的LSM-ALSM子空间模式识别方法，将LSM的旋转策略引入ALSM ，使子空间之间 互不关联的情况得到改善，提高了ALSM对相似样本的区分能力。讨论中以性能函数代替经验函数来确定拒识规 则的参数，实现了识别率、误识率与拒识率之间的最佳平衡；通过对有限字符集的实验结果表明，LSM-ALSM算 法有效地改善了分类器的识别率和可靠性。 关 键 词 学习子空间; 性能函数; 散布矩阵; 最小描述长度 中图分类号 TN919.8 TP391.4; 文献标识码 A A New Subspace Pattern Recognition Method Wang Hong ，Lü Youxin ，Xiang Jingcheng (School of Electronic Engineering, UEST of China Chengdu 610054) Abstract A new subspace algorithm(LSM-ALSM) is discussed in this paper. By rotating the subspaces of ALSM, LSM changes their independent relations and improves the ALSM classifier’s recognition capacity in alike characters. To realize the best balance between recognized rate, rejected rate and error rate, we presents performance function instead of experience function to determine the refuse rules. The experiment with limited character set shows that LSM-ALSM method improves the recognized rate and credibility effectively. Key words study subspace; performance function; spread matrix; minimum description length 在子空间模式识别方法中，一个线性子空间代表一个模式类别，该子空间由反映类别本质的一组特征 矢量张成，分类器根据输入样本在各子空间上的投影长度将其归为相应的类别。典型的子空间算法有以下 三种[1, 2] ：CLAFIC(Class-feature Information Compression)算法以相关矩阵的部分特征向量来构造子空间，实 现了特征信息的压缩，但对样本的利用为一次性，不能根据分类结果进行调整和学习，对样本信息的利用 不充分；学习子空间方法(Leaning Subspace Method, LSM)通过旋转子空间来拉大样本所属类别与最近邻类别 的距离，以此提高分类能力，但对样本的训练顺序敏感，同一样本训练的顺序不同对子空间构造的影响就 不同；平均学习子空间算