摘要
线性判别分析(LDA)是一种在机器学习领域众所周知的监督分类方法,在特征提取方面效果显著。传统的LDA解决了散度矩阵中存在奇异矩阵的问题,但却没有考虑人脸图像中可能存在的椒盐噪声,且无法确定低维空间维数。为此,采用稳健稀疏线性判别分析(Robust Sparse Linear Discriminant Analysis,RSLDA)进行人脸识别,选取公开的人脸库(ORL、CMU_PIE、Yale B)对LDA、PCA+LDA、ULDA、OLDA、L21FLDA和RSLDA这6种方法进行系统地比较。实验结果表明,在原始人脸图像中,RSLDA的识别率均在94.82%以上,均高于其他5种方法。当人脸图像存在椒盐噪声时,RSLDA的识别率远高于其他方法。
学科与关键词
关键词
线性判别分析方法稳健稀疏线性判别分析方法椒盐噪声人脸识别识别率
- 基于列选主QR分解和节约型SVD的直接线性鉴别分析(英文)胡长晖; 路小波; 杜一君; 陈伍军Journal of Southeast University (English Edition), 2013, (04): 395-399.
- 正则线性判别分析和最大散度判别分析的算法比较(英文)李莉; 高建强井冈山大学学报(自然科学版), 2013, (04): 5-11.
- 基于稀疏保持拉普拉斯判别分析的特征提取算法任迎春; 王志成; 赵卫东; 彭磊同济大学学报(自然科学版), 2016, 44(4).
