基于最大间距MFA的鉴别分析.pdfVIP

第38卷第2期 光 电工程 Vo1．38，No．2 2011年 2月 Opto—ElectronicEngineering Feb．2011 文章编号：1003—501X(2011)02—0102—06 基于最大间距 MFA的鉴别分析 王 勇，卢桂馥 (安徽工程大学 计算机与信息学院，安徽 芜湖 241000) 摘要：针对边界 Fisher分析(MFA)所面临的小样本问题，本文基于最大间距准则(MMC)，提出了一种基于最大间 距的边界 Fisher分析(MMMFA)算法。该方法利用描述类间数据可分性的相似度矩阵与描述类 内数据紧致性的相 似度矩阵之差作为鉴别准则，从而避免了MFA 鉴别分析所遇到的小样本问题。然后探讨了本文算法与传统的线 性降维算法，如PCA、LDA和LPP算法之间的联系。理论分析表明，PCA、LDA和LPP算法都是本文算法的特 殊情况。另外，为了进一步提高本文算法的运行效率，提出了一种基于 QR分解的MMMFA求解算法。在 ORL 和Yale人脸数据库上的实验表明，MMMFA算洳陛能明显优于PCA、LDA、LPP和MFA等算法。 关键词：人脸识别；最大间距准则；最大间距MFA；特征提取 中图分类号：TP391．41 文献标志码：A doi：10．3969~．issn．1003—501X．2011．02．017 DiscriminantAnalysisBasedonM aximum M arginM arginalFisher WANGYong，LU Gui-fu (SchoolofComputerScienceandInformation，AnhuiPolytechnicUniversity， Wuhu241000，AnhuiProvince，China) Abstract：InordertoaddressSmallSampleSize(3S)problemencounteredbyMarginalFisherAnalysis(MFA)，basedon themaximum margincriterion，anovelalgorithm calledMaximum MarginMarginalFisherAnalysis(MMMFA)is proposedforsupervisedlineardimensionalityreduction．Thedifferencebetweensimilaritymatrixwhichcharacterizes the interclass separability and similarity matrixwhich characterizesthe intraclasscompactness isadopted as discriminantcriterion．Insuchaway，thesmallsamplesizeproblem occurredinMFA isavoided．Therelationsbetween MMMFA andconventionallineardimensionalityreductionmethodssuchasPCA，LDAandLPParerevealed．Theoretical analysisshowsthatPCA，LDA andLPPmethodscouldbederivedfrom theMMMFA method．Besides，anefficientand stableMMMFA／QRalgorithm forimplementingMMMFA isdeveloped．TheexperimentalresultsonORLandYALE facedatabaseshow thattheperforman