%0 Journal Article
%T An Enhanced Linear Discriminant Analysis Criterion Based on Uniform Theory of PCA and LDA<br>基于PCA和LDA统一化原理的增强型线性鉴别分析准则
%A GUO Zhi-bo
%A LIU Hua-jun
%A ZHENG Yu-jie
%A YANG Jing-yu
%A <br>郭志波
%A 刘华军
%A 郑宇杰
%A 杨静宇
%J 中国图象图形学报
%D 2008
%I 
%X 主分量分析(PCA)和线性鉴别分析(LDA)是模式识别领域的使用最为广泛的两种特征抽取方法,而在图像识别中经常采用的是PCA LDA方法来代替单纯的LDA。本文提出一种增强型线性鉴别准则(ELDA),将PCA的优点和LDA的优点充分地融合在一起,不仅解决了PCA过程中使用最小距离方法时识别精度相对低的缺点,而且解决了LDA过程中当类内散布矩阵奇异时投影向量的求解问题,也就是说可以使用该方法来替代PCA LDA的两步骤方法。另外,该方法在识别精度上比PCA和LDA或PCA LDA方法都有较大的提高,通过在ORL、Yale和NUST603人脸库上的实验验证了该算法的有效性。
%K enhanced linear
%K discriminant analysis (ELDA)
%K principal components analysis (PCA)
%K linear discriminant analysis (LDA)
%K PCA plus LDA<br>增强型线性鉴别分析
%K 主分量分析
%K 线性鉴别分析
%K PCA
%K LDA
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D06194629680C940ACE75262F54B9D85&aid=BB24AF6132BF0BA1084C9C1668882BD0&yid=67289AFF6305E306&vid=FC0714F8D2EB605D&iid=E158A972A605785F&sid=6C3EA4F7B6E5F836&eid=C3BC38F6CC09E835&journal_id=1006-8961&journal_name=中国图象图形学报&referenced_num=0&reference_num=10