独立成分分析与人脸识别Independent component analysis and face recognition.pdfVIP

摘 要 独立成分分析是20世纪90年代发展起来的一种方法，其主要目的是寻找非 高斯数据的线性表示。这种线性表示要求各成分是统计独立的，或者说尽可能 的统计独立。由于ICA使用了数据的高阶统计量，因此得到的线性表示在诸如 特征提取，信号分离的实际应用中往往能抓住数据的本质结构。 本文的着重点并不是放在ICA算法的起源问题一信号分离问题，而是 将ICA应用于人脸识别领域。目前，可用于该领域的其它方法有PCA(主成 分分析)，LDA(线性判别分析)。PCA是仅仅依靠二阶统计量来获取线性表示的 方法与InfomaXICA方法进行比较。 本文先对ICA进行概述，重点强调了ICA的两个前提假设，一个是数据的非 高斯性假设，另一个是数据的统计独立假设。接着对求解ICA问题的方法进行 介绍，针对其中基于峭度的梯度算法进行了改进，改进的方式是利用不精确搜 索。针对其中的EastICA算法，提出一种新的迭代模式。最后，进行了人脸识别 的数值实验。在实验之前，提出一种更高效的求解协方差阵特征分解的方法。通 过实验得出结论：在数据满足非高斯性的条件下，使用ICA的人脸识别一般说 来要优于使用PCA的人脸识别。 关键词：独立成分分析，主成分分析，线性表示，人脸识别 舢8Ⅷ5Ⅲ3 ¨i0●1 Ⅲ8 Ⅲ7 Abstract amethodthat Independentcomponent haⅣe aJlalysis(ICA)is developed in90’slast Its to rapidly century． finda ofnon- go乱is line甜representation datasothatthe are gaus8ian asind争 componentsstatisticallyindependent，0r as issaidthatsucha pendent is to the p08sible．It representation 1ikelycapture essential structureofthedatain aus feature manyapplications，suchextraction， oftheuseof statistics． sigll出8ep盯ation，bec引Ise high．order Inthis foclls on whichICA paper，h∞陀ver，We}don’tsignal separation丘om