-
题名一种基于局部排序PCA的线性鉴别算法
被引量：5
- 1
-
-
作者
庞成
郭志波
董健
-
机构
扬州大学信息工程学院
-
出处
《计算机科学》
CSCD
北大核心
2015年第8期56-59,共4页
-
基金
扬州科技攻关项目(YZ2011099)资助
-
文摘
主分量分析(Principal Component Analysis,PCA)是模式识别领域中一种重要的特征抽取方法,该方法通过K-L展开式来抽取样本的主要特征。基于此,提出一种拓展的PCA人脸识别方法,即分块排序PCA人脸识别方法(MSPCA)。分块排序PCA方法先对图像矩阵进行分块,对所有分块得到的子图像矩阵利用PCA方法求出矩阵的所有特征值所对应的特征向量并加以标识;然后找出这些所有的特征值中k个最大的特征值所对应的特征向量,用这些特征向量分别去抽取所属的子图像的特征;最后,在MSPCA的基础上,将抽取子图像所得到的特征矩阵合并,把这个合并后的特征矩阵作为新的样本进行PCA+LDA。与PCA和PCA+LDA方法相比,分块排序PCA由于使用子图像矩阵,可以避免使用奇异值分解理论,从而更加简便。在ORL人脸库上的实验结果表明,所提出的方法在识别性能上明显优于经典的PCA和PCA+LDA方法。
-
关键词
王成分分析
特征抽取
分块PCA
线性鉴别分析
-
Keywords
Principal component analysis, Feature extraction, Modular PCA, LDA
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
