一种基于松弛条件的改进模糊线性鉴别分析算法

摘要：

对模糊线性鉴别分析算法进行了本质研究.通过采用模糊k近邻(FKNN)方法得到相应的样本分布隶属度信息,同时考虑到离群样本对整个分类结果的不利影响,提出了一种松弛的归一化条件,将每一个样本的隶属度根据它对散布矩阵重定义所做的贡献按照松弛条件融入到特征抽取的过程中,从而得到完整有效的模糊样本特征向量集.该算法同传统模糊线性鉴别分析方法相比有效地解决了小样本和离群样本问题,在ORL和NUST603人脸数据库上的实验结果验证了它的有效性.

关键词：模糊线性鉴别分析、特征抽取、小样本问题、离群样本、人脸识别

所属期刊栏目：36

分类号：TP391.41(计算技术、计算机技术)

资助基金：863高技术研究发展计划2006AA01Z119;国家自然科学基金60632050,60503026,60572034

在线出版日期：2009-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：178-181