正交線性判別分析及人臉識別.pdf

1、特征提取是人臉識別最基礎(chǔ)而又非常關(guān)鍵的問題之一，在過去的幾十年內(nèi)取得了長足的進(jìn)展，其中基于子空間的特征提取方法是目前的研究熱點(diǎn)。論文從線性子空間算法—線性判別分析（Linear Discriminant Analysis，LDA）入手，借助流形學(xué)習(xí)的思想，深入研究與分析了基于圖論的判別特征提取及正交求解。論文的主要內(nèi)容和貢獻(xiàn)有：
　　1.針對LDA不能有效地保持?jǐn)?shù)據(jù)的多樣性結(jié)構(gòu)，導(dǎo)致幾何結(jié)構(gòu)描述不穩(wěn)定和過學(xué)習(xí)等問題，提出了正交改進(jìn)

2、判別分析（Orthogonal Improved Discriminant Analysis，OIDA）算法。該算法利用鄰接圖描述數(shù)據(jù)間的變化關(guān)系，給出了刻畫局部多樣性幾何屬性的離散度—多樣性離散度，并將其嵌入到LDA目標(biāo)函數(shù)中，建立了一個(gè)簡單明了的判別特征提取準(zhǔn)則，最后給出了正交求解算法。實(shí)驗(yàn)結(jié)果證實(shí)了所提方法的有效性。
　　2.針對OIDA不能有效地提取嵌入在邊界點(diǎn)之間的局部判別信息以及類內(nèi)局部相似幾何屬性，導(dǎo)致識別率不是足夠

3、好等問題，提出了正交增強(qiáng)判別分析（Orthogonal Enhance Discriminant Analysis，OEDA）算法。該算法利用兩個(gè)鄰接圖分別描述類內(nèi)局部相似性幾何屬性和類間局部判別幾何屬性，并給出了度量相似性和判別幾何特征的局部離散度。在此基礎(chǔ)上，將局部離散度嵌入到OIDA目標(biāo)函數(shù)中，建立了融合局部和全局幾何結(jié)構(gòu)的判別準(zhǔn)則。實(shí)驗(yàn)結(jié)果證實(shí)了所提方法的有效性。
　　3.針對OIDA不能有效地保持圖像像素間的幾何信息以及