摘要
为了能够通过保留类内散布矩阵零空间的有效鉴别信息,并选择恰当的投影找到最大可能地区别类内类间的数据集,文章分别选用核主成分分析(KPCA)和零空间线性鉴别分析(null space LDA),其中核主成分分析(KPCA)是主成分分析(PCA)在核空间中的非线性推广,零空间线性鉴别分析利用了零空间的有效信息。文中将KPCA和NS-LDA的特征提取方法结合并应用于人脸识别研究,其综合了KPCA利用数据高阶性和经NS-LDA投影矩阵良好可分性的优点来增强人脸识别性能。实验结果证明,该方法能够有效地提高人脸识别率。
In order to retain the effective identification information of scattering matrix zero space inside the class, select the appropriate projection to maximize finding the data set inside and between classes, respectively choose Kernel Principal Component Analysis （ KP- CA） and Null Space Linear Discrimination Analysis （NS-LDA） ,the KPCA is the nonlinear promotion of PCA in the kernel space,NS -LDA takes advantage of zero space information effectively. The feature extraction method of the Kt^A and NS-LDA is combined and applied to face recognition research,it combines the advantage of KPCA using data and NS-LDA good separability of projection matrix to enhance face recognition performance. The experimental results show that the method can effectively improve the face recognition rate.
出处
《计算机技术与发展》
2013年第5期100-103,共4页
Computer Technology and Development
基金
山东省自然科学基金(ZR2010FL006)
作者简介
董吉文（1964-），男，山东莱州人，教授，主要研究方向为图像处理、数据库；
赵磊（1988-），男，山东威海人，硕士研究生，主要研究方向为图像处理、模式识别。
