摘要
针对2维主成分分析(2DPCA)算法无法实现在线特征提取及无法体现完整数据结构信息等问题,该文提出一种基于图像协方差无关的增量式2DPCA(I2DPCA)算法。该算法无需对图像协方差矩阵进行特征值分解奇异值分解,复杂度将大为降低,提高了特征提取速度。针对I2DPCA仅提取了横向特征的问题,又提出一种增量式行列顺序2DPCA(IRC2DPCA)算法,该算法对I2DPCA的特征矩阵再次进行纵向特征提取,保留了图像的横向与纵向结构信息,实现了行列两个方向上的特征提取与数据降维。最后,以自建的物块数据集、通用的ORL和Yale人脸数据集分别进行对比实验,结果表明,该文算法在收敛率、分类率及复杂度等性能...
学科与关键词
关键词
模式识别协方差无关特征提取增量学习2维主成分分析 Pattern recognitionCovariance-freeFeature extractionIncremental learningTwo-Dimensional Principal Component Analysis(2DPCA)
- 基于Cholesky分解的K2DPCA人脸识别研究周水生; 郑颖; 穆新亮系统工程理论与实践, 2015, (02): 528-535.
- 基于PCA-L1范式特征提取的大学图书馆人脸识别曹伟; 殷守林*安阳工学院学报, 2021, 20(06): 43-46.
- 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.
