基于LDA的人臉識(shí)別.pdf

1、人臉識(shí)別是模式識(shí)別和機(jī)器視覺領(lǐng)域最富挑戰(zhàn)性的研究課題之一,它在人機(jī)交互,安全監(jiān)視,身份認(rèn)證等方面有著非常廣闊的應(yīng)用前景。在目前的特征提取算法中,基于Fisher準(zhǔn)則的線性判別分析(LDA)算法是一種較成功的特征提取算法。
　　 但是LDA用于人臉識(shí)別時(shí),遇到三個(gè)問題:(1)小樣本問題；(2)LDA利用同一個(gè)準(zhǔn)則函數(shù)把所有樣本投影到同一個(gè)特征空間,忽略了不同類的樣本分布的特征差異；(3)LDA對(duì)于復(fù)合模型分類能力較低。本文針對(duì)問題

2、一,利用最大散度差線性鑒別分析來解決；對(duì)問題二,利用類依賴線性判別分析方法,對(duì)每一類樣本根據(jù)一定的準(zhǔn)則函數(shù),建立一個(gè)反應(yīng)本身類別特性的投影矩陣；對(duì)問題三,利用增強(qiáng)LDA,通過兩個(gè)不同的加權(quán)矩陣對(duì)類間離散度矩陣和類內(nèi)離散度矩陣進(jìn)行重新定義,改進(jìn)的Fisher準(zhǔn)則可以在降維后的子空間中保存局部信息,使距離較近的類別投影后不會(huì)混在一起。
　　 最后本文在這些方法的基礎(chǔ)上提出了一種改進(jìn)方法,類依賴增強(qiáng)LDA,充分發(fā)揮了增強(qiáng)LDA和類依賴