局部和全局加权的二维统计不相关鉴别分析.pdfVIP

第24卷摇 第6期 计 算机 技 术 与发 展 Vol.24摇 No.6 2014年6月 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 COMPUTERTECHNOLOGY AND DEVELOPMENT摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 June摇 2014 局部和全局加权的二维统计不相关鉴别分析 黄明晓,荆晓远,李摇 力,姚永芳 (南京邮电大学 自动化学院,江苏 南京 210003) 摘摇 要:传统的统计不相关鉴别分析方法使用样本的均值来估计期望,计算出总体散度矩阵。 这些方法在数据不满足高 斯分布的情况下会出现大的偏差,影响最优鉴别特征的提取。 为了解决该问题,文中结合二维鉴别分析的思想,分别提出 了基于局部的二维统计不相关鉴别变换(L2DUDT)方法和基于全局加权的二维统计不相关鉴别变换(WG2DUDT)方法。 L2DUDT通过用样本的近邻中心来定义每个样本的期望,而WG2DUDT用样本间的欧几里得距离加权来定义期望。 基于 AR和FERET人脸数据库的实验表明,文中提出的方法与一些相关方法相比,有效地提高了识别性能。 关键词:统计不相关鉴别分析;鉴别特征;二维鉴别分析;二维统计不相关鉴别变换 中图分类号:TP301摇 摇 摇 摇 摇 摇 文献标识码:A摇 摇 摇 摇 摇 摇 摇 文章编号:1673-629X(2014)06-0114-04 doi:10.3969/j.issn.1673-629X.2014.06.029 Local and Global Weighted Uncorrelated Two-dimensional Discriminant Analysis HUANG Ming-xiao,JING Xiao-yuan,LI Li,YAO Yong-fang (College of Automation,Nanjing University of Postsand Telecommunications,Nanjing210003,China) Abstract:The traditional uncorrelated discriminant analysismethods employ the mean of sample-set to estimate the expectation for all samples,thuscomputingthetotalscattermatrix.However,whenthedataarenotGaussiandistributions,thesemethodsmaynotextractop鄄 timal discriminant features.In order to addressthisproblem,propose two approaches named Local Two-Dimensional Uncorrelated Dis鄄 criminant Transform (L2DUDT) and Weighted Global Two-Dimensional Uncorrelated Discriminant Transform (WG2DUDT) on the basisof two-dimensional discriminant analysis respectively.L2DUDT redefines the expectation for each sample using the sample爷s neighbor center,while WG2DUDT usesEuclidean distance between samplesas weighted value to construct the expectation.The experi鄄 mental resultson AR and FERET databases demonstrate that the proposed