期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
一种自适应加权的双向二维线性鉴别分析算法
1
作者 林玉娥 顾国昌 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2008年第5期484-488,共5页
二维线性鉴别分析是一种直接基于矩阵的特征提取方法,有效地提高了特征提取速度且避免了小样本问题,但是提取的特征向量维数高,不利于后期分类,而且获得的最佳投影矩阵只是来自于图像的列信息.另外,不同的样本在求取最佳投影矩阵时,所... 二维线性鉴别分析是一种直接基于矩阵的特征提取方法,有效地提高了特征提取速度且避免了小样本问题,但是提取的特征向量维数高,不利于后期分类,而且获得的最佳投影矩阵只是来自于图像的列信息.另外,不同的样本在求取最佳投影矩阵时,所起的作用是不一样的,因此提出了一种自适应加权的双向二维线性鉴别分析算法,即是对图像矩阵顺序地进行水平和垂直2个方向的二维线性鉴别分析,自适应加权处理则是使不同的样本带有不同的权值,以提高样本在低维线性空间中的可分性.在ORL和Yale人脸库上的实验结果表明,改进的算法在降低了原算法提取的特征向量维数的同时,较原二维线性鉴别分析的识别性能有了较明显的改善. 展开更多
关键词 二维线性鉴别分析 最佳投影矩阵 双向二维线性鉴别分析 白适应
在线阅读 下载PDF
改进双向二维局部保持投影的人脸识别算法 被引量:2
2
作者 吴斌 王利龙 邵延华 《电子科技大学学报》 EI CAS CSCD 北大核心 2019年第6期904-909,924,共7页
为更好地处理图像小样本问题,且克服二维局部保持投影(2DLPP)算法只能保持数据局部性质的缺陷,通过结合二维主成分分析(2DPCA)和二维线性鉴别分析(2DLDA)的算法特性,提出了一种改进的双向二维局部保持投影的人脸识别算法.首先,引入样本... 为更好地处理图像小样本问题,且克服二维局部保持投影(2DLPP)算法只能保持数据局部性质的缺陷,通过结合二维主成分分析(2DPCA)和二维线性鉴别分析(2DLDA)的算法特性,提出了一种改进的双向二维局部保持投影的人脸识别算法.首先,引入样本类别信息改进权重矩阵,增强2DLPP算法对样本变化的鲁棒性;其次,提出改进2DLPP+2DPCA、2DLPP+2DLDA两种融合算法并分别用于输入样本图像数据的行、列方向特征提取.在特征选择后得到行、列方向上的最优投影;最后,通过对样本数据进行行、列方向投影,利用最近邻分类器对样本数据进行分类并获得在给定数据集上的识别结果.在人脸数据集ORL、YALE和AR上的实验结果表明,该算法在人脸识别性能上总体优于2DPCA、2DLDA、2DLPP、(2D)2PCA、(2D)2LDA、(2D)2PCALDA和(2D)2LPP-PCA等算法. 展开更多
关键词 人脸识别 特征提取 二维线性鉴别分析 局部保持投影 主成分分析
在线阅读 下载PDF
融合2DUDT与2DLDA的人脸识别研究 被引量:2
3
作者 贾红雯 曹丹华 +1 位作者 武小红 武斌 《南昌工程学院学报》 CAS 2018年第1期45-48,53,共5页
提出了一种融合二维非相关判别转换和二维线性鉴别分析分别提取人脸图像矩阵行方向的非相关鉴别信息和列方向的线性鉴别信息的人脸识别方法。该融合方法将线性鉴别向量提取方法与非相关鉴别向量提取方法相结合。首先计算进行人脸图像矩... 提出了一种融合二维非相关判别转换和二维线性鉴别分析分别提取人脸图像矩阵行方向的非相关鉴别信息和列方向的线性鉴别信息的人脸识别方法。该融合方法将线性鉴别向量提取方法与非相关鉴别向量提取方法相结合。首先计算进行人脸图像矩阵列压缩时的类间散射矩阵和类内散射矩阵,用二维线性鉴别分析计算特征值和所对应的特征向量,用特征向量集对人脸图像矩阵进行列压缩。其次,计算人脸图像矩阵行压缩时的类间散射矩阵、类内散射矩阵和总体散射矩阵,用二维非相关判别转换求出最优投影矩阵并用最优投影矩阵的转置矩阵对人脸图像矩阵行压缩。最后用最近邻分类器对压缩的ORL人脸图像测试样本进行分类处理,可实现人脸图像的准确识别。 展开更多
关键词 非相关判别转换 人脸识别 二维线性鉴别分析 特征提取
在线阅读 下载PDF
基于2DLDA与SVM的人耳识别算法
4
作者 吕秀丽 崔红飞 +2 位作者 赵丽华 全星慧 曹志民 《电子设计工程》 2016年第3期163-165,共3页
文中提出将二维线性鉴别分析(2DLDA)和支持向量机(SVM)相结合的人耳识别算法。先利用二维线性鉴别分析提取人耳图像的特征,再采用一对一的方法用支持向量机分类器实现人耳特征的分类识别。与传统的2DLDA对比实验结果表明,该方法具有更... 文中提出将二维线性鉴别分析(2DLDA)和支持向量机(SVM)相结合的人耳识别算法。先利用二维线性鉴别分析提取人耳图像的特征,再采用一对一的方法用支持向量机分类器实现人耳特征的分类识别。与传统的2DLDA对比实验结果表明,该方法具有更高的识别率,是一种非常有效的识别方法。 展开更多
关键词 人耳识别 二维线性鉴别分析 提取特征 支持向量机
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部