一种核最大散度差判别分析人脸识别方法.pdfVIP

第 37卷 第6期 计 算 机 科 学 Vo1．37No．6 2010年 6月 Computer Science June2010 一 种核最大散度差判别分析人脸识别方法 杜海顺 李玉玲 汪凤泉 张 帆 (河南大学先进控制与智能信息处理研究所 开封 475004) (东南大学仪器科学与工程学院 南京210096) 摘 要 提出一种有效的非线性子空间学习方法——核最大散度差判别分析 (KMSD)，并将其用于人脸识别。核最 大散度差判别分析首先把输入空间的样本非线性映射到特征空间，然后通过核方法的技巧，采用最大散度差判别分析 (MsD)方法在特征空间里求解。在Yale和0RI人脸数据库上的实验结果表明，提 出的核最大散度差判别分析方法 用于人脸识别具有较高的识别率。 关键词 核最大散度差判别分析，子空间学习，人脸识别 中图法分类号 TP391．41 文献标识码 A FaceRecognitionUsingKernelMaximum ScatterDifferenceDiscriminantAnalysis DU Hai—shun LIYu-ling W ANG Feng-quan2 ZHANG Fan (InstituteofAdvancedControlandIntelligentInformationProcessing，HenanUniversity，Kaifeng475004，China) (Co llegeofInstrumentScience8LEngineering，SoutheastUniversity，Nanjing210096，China) Abstract Anefficientnonlinearsubspacelearningmethod。kernelmaximUlTIscatterdifferencediscriminantanalysis (KMSD)，wasproposedforfacerecognitioninthispaper．ThemainideaofKMSD istomaptheinputsampledatainto featurespacebynonlinearfunction，andthenadoptmaximum scatterdifferencediseriminantanalysis(MSD)tofindthe solutioninfeaturespacebykerneltrick．TheexperimentalresultsontheYaleand ORL faceimagedatabaseshow that theproposedKMSDmethodforfacerecognitionhashigherrecognitionrateandmoreeffective． Keywords Kernelmammum scatterdifferencediscriminantanalysis(KMSD)，Subspacelearning，Facerecognition 法求解的问题。随着核函数在支持向量机中的成功应用，关 1 引言 于核方法 的研究受到了重视，出现 了核主成分分析 (KP— 基于Fisher准则函数的线性判别分析 (u)A)_】]是一种 CA)E]等一些非线性子空问学习方法。本文提出一种核最大 线性子空间学习方法。它作为特征提取和数据描述的有力工 散度差判别分析 (KMSD)方法，并将其用于人脸识别。该方 具，在模式识别领域得到了广泛的应用和扩展r2。]。但是在 法首先把输入空间的样本非线性映射到特征空间，然后通过 应用LDA处理高维多类模式如人脸图像时，样本的维数很高