基于p范数的QR-KPCA人脸识别算法.pdfVIP

1O0 西安理工大学学报 JournalofXi’anUniversityofTechnology(2015)Vo1．31No．1 文章编号 ：1006～4710(2015)01—0100—06 基于P范数的QR—KPCA人脸识别算法 穆新亮 ，周水生，郑颖 (西安 电子科技大学 数学与统计学院，陕西 西安 710126) 摘要：KPCA是重要的非线性特征提取的人脸识别方法，但对较大规模训练数据库，会因核矩阵K 过大，计算代价高而不能有效实现，并且使用传统欧式距 离度量很难大幅提升识别率。本研究提 出 了将基于QR分解的PCA推广到 KPCA上且应用 P范数度量来解决这一问题的方法，即：首先采 用选主元的Cholesky分解得到核矩阵K的低秩近似 ，然后对小规模矩阵H进行 QR分解，经过一 些推导得到 中心化核矩阵的特征 向量，实现了KPCA的非线性特征提取 ，在分类识别阶段 ，本研究 突破传统欧氏距 离度量的局限，将 P范数作为度量相似性的方法，在 ORL和 AR人脸数据库中做 了大量相关实验 ，并且分别研 究了P的取值对基于 QR分解的主成分