- 1、本文档共4页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
查看更多
基于改进LDA算法的人脸识别.pdf
第35卷(2007)第8期 计算机与数字工程 31
基于改进LDA算法的人脸识别8
齐兴敏尹朝庆李智博
(武汉理工大学武汉430063)
摘要提出一种基于改进LDA的人脸识别算法,该算法克服传统LDA算法的缺点,重新定义样本类间离散度矩阵
算法比较,具有较高的识别率。
关键词LDAPCA识别率样本类间离散度矩阵样本类内离散度矩阵
中图分类号TPl83
1 引言 (2)
其中N表示样本总数,包含c类模式,批(江1,2
人脸识别技术是计算机视觉和模式识别领域
……c)表示第i类样本的数量,m,表示各类模式
理论的一个重要应用,已成为一个科研热点。目前
的均值,m表示总样本均值。c类模式表示为:
常用的人脸识别方法可以分为两大类:基于统计和
基于几何的方法。LDA方法是统计方法中较常用
的一种。但LDA在使用时容易产生“小样本问 …,批)。
题”[1],所以有人提出了“PCA+LDA’’[2卜[43的方 LDA的目标就是要寻找变换形,当|s矿非奇异时,.
法来解决它。该方法先利用PCA同时丢掉样本类 使得Fisher准则最大:
和类问离散度矩阵的零空间来降维,再用LDA映
射识别,但是类内离散度矩阵的零空间包含“最有 肛a略max器 (3)
辨别力”的信息,把它去掉就会失去这些有用信 这里的形(b1,…m)就是满足如下等式的解:
息。鉴于此,本文对传统的LDA算法作了两点改 S。形=A.s矿形 (4)
进,得出一个新的LDA算法,并将它应用于人脸识 2.2改进的LDA算法
别。实验结果证明它是可行的。 众所周知,传统LDA有两个突出缺点:一是处
理高维图像时容易产生“小样本问题”,即样本维
2 改进LDA算法 .
数大大超过训练图像个数的问题;二是由此引发的
2.1 传统的LDA算法 边缘类主导特征空间分解的问题口]。为了解决这
Dis—
LDA方法又称应用线性辨别分析(Linear
两个问题,本文对传统算法做如下两点改进:
criminant
Analysis)方法MJ。它的目标就是从高维
特征空问里提取出最具有判别能力的低维特征, 如下修改: . 。
这些特征能帮助将同一个类别的所有样本聚集在
2
|ss
一起,不同类别的样本尽量分开,即选择使类问
和类内离散度的比值最大的特征(Fisher准则)。
传统的LDA方法定义类内离散度矩阵s妒和类问 “#
离散度矩阵s。如下: 其中,pi和pi分别是类别i和J的先验概率,
C_Ⅳ。 + , 口#是两个类别之间的欧式距离,伽口口是加权函数。
sⅣ=乏互Pi(x口一m;)(石口一mi)1=西Ⅳ多形。
‘2“2j
您可能关注的文档
最近下载
- 简历模板表格下载word格式个人简历模板表格下载.docx VIP
- AGMA 939-A07-2007 齿轮用奥贝球铁.pdf
- 陶土板幕墙设计计算书(最新材料陶土板).doc
- 手术室施工方案(完整版).pdf
- 标准图集-11G329-2建筑物抗震构造详图(多层砌体房屋和底部框架砌体房屋)图集.pdf VIP
- 2.危险废物贮存分区标志(可编辑版).pptx
- 广东广州卫生职业技术学院后勤资产部基建工程人员招考聘用2人考前冲刺卷壹【3套1500题】(带答案解析).docx
- 《金属硫化物异质结的构筑及其光催化性能研究》.docx
- JTT 697.1-2013 交通信息基础数据元 第1部分:总则.docx VIP
- 简易阀门试压装置的设计制作与使用.pdf
文档评论(0)