基于LDA和KDA的人臉識(shí)別算法研究.pdf

1、人臉識(shí)別是模式識(shí)別領(lǐng)域最熱門(mén)的一個(gè)研究課題,在信息安全領(lǐng)域具有非常廣闊的應(yīng)用前景。在眾多的人臉識(shí)別方法當(dāng)中,基于子空間分析的人臉識(shí)別方法因其識(shí)別效果優(yōu)良、算法計(jì)算量較小等優(yōu)點(diǎn)引起了廣泛的關(guān)注,成為當(dāng)前主流的一類(lèi)人臉識(shí)別方法。本文對(duì)基于子空間分析的人臉識(shí)別方法進(jìn)行了深入的研究,并提出了一些創(chuàng)新方法。本文的主要工作內(nèi)容如下:
　　 (1)對(duì)三種比較具有代表性的基于子空間分析的人臉識(shí)別方法進(jìn)行了詳細(xì)的介紹。小樣本問(wèn)題是上述三種方法之一

2、的基于線(xiàn)性鑒別分析(Linear Discriminant Analysis,LDA)的人臉識(shí)別方法在實(shí)際應(yīng)用中通常會(huì)遇到的一個(gè)比較嚴(yán)重的問(wèn)題,該問(wèn)題目前己經(jīng)有了一些比較優(yōu)秀的解決方法,本文也對(duì)這些方法中的幾種主流方法進(jìn)行了全面的理論分析和比較。
　　 (2)提出一種改進(jìn)Fisher準(zhǔn)則函數(shù),以解決傳統(tǒng)LDA中Fisher準(zhǔn)則函數(shù)不直接與最高識(shí)別正確率相關(guān),和逐對(duì)類(lèi)加權(quán)Fisher準(zhǔn)則函數(shù)計(jì)算量過(guò)大等問(wèn)題,并通過(guò)實(shí)驗(yàn)對(duì)這種改進(jìn)F

3、isher準(zhǔn)則函數(shù)的有效性進(jìn)行驗(yàn)證,此外還將這種改進(jìn)Fisher準(zhǔn)則函數(shù)推廣到核鑒別分析(Kernel Discriminant Analysis,KDA)當(dāng)中。
　　 (3)對(duì)基于廣義奇異值重組的線(xiàn)性鑒別分析方法(LDA based on the GeneralizedSingular Value Decomposition,LDA/GSVD)進(jìn)行改進(jìn),提出一種改進(jìn)的LDA/GSVD算法,以配合改進(jìn)Fisher準(zhǔn)則函數(shù)用于解決