核典型相关性鉴别分析

摘要：

提出一种新的基于典型相关性的核鉴别分析,以图片集为基础的人脸识别算法.把每个图片集映射到一个高维特征空间,然后通过核线性鉴别分析(KLDA)处理,得到相应的核子空间.通过计算两典型向量的典型差来估计两个子空间的相似度.根据核Fisher准则,基于类间典型差与类内典型差的比率建立核子空间的相关性来得到核典型相关性鉴别分析(KDCC)算法.在ORL、NUST603、FERNT和XM2VTS人脸库上的实验结果表明,该算法能够更有效提取样本特征,在识别率上要优于典型相关性鉴别分析(DCC)和核鉴别转换(KDT)算法.

关键词：典型相关性、典型差、核线性鉴别分析、核鉴别转换、人脸识别

所属期刊栏目：17

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省研究生教育创新工程项目CXLX11_04910;中央高校基本科研业务费专项资金资助项目JUSRP211A70

在线出版日期：2013-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1516-1521