摘要
提出了一种边界近邻零空间鉴别分析算法。算法首先定义了新的目标函数,通过对该目标函数的理论分析与证明指出首先用PCA将高维样本降维至一个低维子空间,而在此低维子空间该目标函数并不损失任何有效的鉴别信息;算法不但能有效地解决本问题,而且仅需通过3次特征值分解就可求出具有正交性的投影矩阵,从而有效地提高了算法的识别性能。最后也给出了该算法基于核映射的非线性拓展。人脸库上的实验结果证实了所提方法的有效性。
学科与关键词
关键词
边界近邻零空间目标函数小样本问题特征值分解 Marginal neighborhoodNullspaceObjective functionSmall sample size problemEigenvalue decomposition
- 大间距无相关边界Fisher鉴别分析梁兴柱; 林玉娥; 李敬兆; 林玉荣山东科技大学学报(自然科学版), 2013, (01): 84-87.
- 一种核化有全局性类内近邻保持正交算法林玉娥; 李敬兆; 梁兴柱; 林玉荣光电工程, 2013, (03): 115-121.
- 基于拉普拉斯金字塔降维的人脸识别算法亢洁; 林欣; 吴星驰陕西科技大学学报(自然科学版), 2015, (01): 165.
