基于核的非线性特征抽取与图象识别研究-模式识别与智能系统专业论文.docxVIP

博士论文 博士论文 基于核的非线性特征抽取与图象识别研究 摘要 特征抽取是模式识别研究的最基本问题之一．对于图象识别而言，抽取有效的图 象特征是完成图象识别的首要任务。基于核的特征抽取方法是最近刚刚提出的一种非 常有效的非线性特征提取的方法。该文就有关基于核的非线性特征抽取及识别方法中 的若干问题进行了深入的研究，所提出的算法在人脸识别和手写体字符识别方面得到 了较成功的应用。 基于统计不相关性的Fisher线性鉴别分析是特征抽取的最好方法之一，在此基础 上，本文提出了基于核的统计不相关鉴别分析方法。该方法不仅能够有效地抽取非线 性特征，而且能够彻底消除样本特征之间的统计相关性，并指出基于核的统计不相关 鉴别分析方法是经典的Fisher鉴别分析和统计不相关鉴别分析的进一步发展。在ORL 标准人脸库上的试验结果表明，在识别性能上所提出的方法不仅优于基于经典的线性 鉴别分析方法和统计不相关线性鉴别分析方法，而且也优于核Fisher鉴别分析。在此 基础上，引入空间变换的思想，提出了一种快速的核Fisher鉴别分析，从理论上巧妙 地解决了高维特征空间内类内散布矩阵奇异情况下最优鉴别矢量集的求解问题，而且 较大幅度地降低了求解最优鉴别矢量集的计算量，提高了计算速度。在ORL人脸库上 的试验结果表明，其特征抽取的速度提高了近3倍。 该文对核Fisher鉴别分析(KFDA)进行了深入分析，发现