基于零空间分析的张量局部Fisher判别方法.pdfVIP

第40卷第5期计算机科学Vo1．40No．5

2013年5月ComputerScienceMav2013

基于零空间分析的张量局部Fisher判别方法

郑建炜蒋一波王万良

(浙江工业大学计算机学院杭州310023)

摘要结合局部Fisher判别、张量子空间学习和零空间分析等技术的优点，提出了一种基于零空间分析的张量局

部Fisher判别算法，其特点包括：i)引入类间判别信息，对局部Fisher判别技术进行调整，提升了算法识别性能并且

降低了计算时间复杂度；ii)通过张量型降维思想对输入样本进行双边投影变换而非单边投影，获得了更高的信息压

缩率；iii)随着训练样本量的变化，可采用基于零空间分析的求解方法和传统的直接迭代更新计算方法。通过ORL、

Yale和ExYaleB3个人脸数据库验证了所提算法的性能。

关键词Fisher判别分析，零空间，局部保持投影，张量子空间分析

中图法分类号TP391．41文献标识码A

TensorLocalFisherDiscriminantwithNullSpaceAnalysis

ZHENGJian-weiJIANGYi-boWANGWan-liang

(SchoolofComputer，ZhejiangUniversityofTechnology，Hangzhou310023，China)

AbstractThetensorlocalfisherdiscriminantalgorithmwithnullspaceanalysisorNSTLFDAforshortwasproposed

whichincorporatesthemeritsofthreetechniques，i．B，tensorbasedmethods，localFisherdiscriminantanalysis，and

nullspaceanalysis．Themainfeaturesofourimplementationinclude：(i)localFisherdiscriminantanalysisisimproved

byinter-classdiscriminantinformationforbetterrecognitionperformanceandreducestimecomplexity．ii)thetensor

basedmethodemploystwo-sidedtransfomrationsratherthansingle-sidedone，andyieldshighercompressionratio．iii)

whileTLFDAdirectlyusesaniterativeproceduretocalculatetheoptimalsolutionoftwotransformationmatrices．the

NSTLFDAmethodtakestheadvantagesofnullspaceinformationwhenthetrainingsamplesnumberislessthanthedi—

mensionalityofthevectorsamples．TheeffectivenessofournewmethodwasdemonstratedbytheORL，Yale，andExY—

aleBfacedatabases．

KeywordsFisherdiscriminantanalysis，Nullspace，Localpreservationprojection，Tensorsubspaceanalysis

度矩阵奇异性问题。为提升算法性能并解决所存在的问题，

1引言