基于KL距离的KPCA人脸识别算法

摘要：

针对核主成分分析(KPCA)人脸识别算法中对全局特征变化敏感和忽略局部特征的问题,研究了一种基于KL距离的KPCA人脸识别算法.利用KL距离定义了类间距离和类内差异,设定了一个非线性优化函数来最大化类间距离,同时最小化类内差异,使提取的特征更为紧凑可分,并将其应用于KPCA算法中,利用ORL人脸图像库对算法的性能进行了测试.实验结果表明,该算法相对于传统KPCA算法具有更好的识别效果和稳定性.

关键词：核主成分分析、KL距离、类间距离、类内差异

所属期刊栏目：52

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金面上项目61473339;秦皇岛市科学技术与研究发展计划2012021A057

在线出版日期：2016-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：130-134