网站大量收购独家精品文档,联系QQ:2885784924

基于lda算法的人脸识别方法的比较研究-read.pdfVIP

基于lda算法的人脸识别方法的比较研究-read.pdf

  1. 1、本文档共4页,可阅读全部内容。
  2. 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. 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. 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)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于lda算法的人脸识别方法的比较研究-read

维普资讯 2005年第 22卷第 7期 微电子学与计算机 131 基于LDA算法的人脸识别方法的比较研究 韩争胜 李映 张艳宁 (西北 业大学计算机学 院,陕西 西安 710072) 摘 要 :线性判别分析 (LDA)是一种较为普遍 的用于特征提取 的线性分类方法。但是将 LDA直接用于人脸识别 会遇到维数问题和 “小样本 ”问题。人们 经过 研究 ,通过 多种途 径解决 了这 两个 问题并实现 了基于 I,DA的人脸识 别 文章对几种 基于 LDA的人脸识别方法做 了理论 上的 比较和实验数据 的支持 ,这些方 法包括 Eigenfaces、Fish— erfaceS、DLDA、VDLDA及 VDFLDA。实验结果表 明VDFLDA是其 中最好 的一种方法。 关键词 :线性判别分析 (LDA),人脸识 别,Eigenfaces,Fisherfaces,小样本 问题 中图法分类号:rP39l_4 文献标识码 :A 文章编号 :l0O0—7l8o(2005)07一l3l一03 A ComparativeStudyonFaceRecognitionUsing LDA-BasedAlgorithm HAN Zheng—sheng,LIYing,ZHANG Yan—ning (SchoolofComputer,NorthwestPolytechnicalUniversity,Xi’an710072China) Abstract: Low—dimensionalfeaturerepresentationwithenhanceddiscriminatorypowerisofparamountimportancetoface recognition(FR)system.LinearDiscriminantAnalysis(LDA)isoneofthemostpopularlinearclassificationtechniquesof featureextraction。butitwillmeettwoproblemsascomputationalchallengingand “smallsamplesize’’whenapplyingto facerecognitiondirectly.Afterstudyingpeoplesolvethetwoproblemsthrough severalwaysandrealizethefacerecogni— tion based onLDA. Theshort paperheremakescompareontheory and experimentaldataanalysison severalFace RecongitionsystemusingLDA—BasedAlgorithm,suchasEigenfaces(usingPCA),Fisherfaces,DLDA,VDLDAandVD— FLDA.Theexperimentalresultsshow thattheVDFLDA methodisthebestofal1. Keywor~:LinearDiscriminantAnalysis(LDA),Facerecognition,Eigenfaces,Fisherfaces,Smallsamplesizeproblem 1 引言 度矩阵是非奇异的。然而该方法的问题在于PCA在 由于人脸识别在 安全系统和人机交互等方面 降维的同时也丢失了很多帮助判别的有用信息 。Yu 的巨大应用前景 ,目前 已成为模式识别和人T智能 和 Yang提 出的 DLDAt1采用首先删除样本类间离散 领域 的一个研究热点 。在过去的几十年 内,研究者 度矩阵的零空间 .然后将样本类 内离散度矩阵投影 提

文档评论(0)

zhuwo + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档