%0 Journal Article
%T Kernel-Based Generalized Foley-Sammon Discriminant Analysis<br>基于核的广义Foley-Sammon鉴别分析
%A 高秀梅
%A 金忠
%A 郭丽
%A 杨静宇
%J 计算机科学
%D 2004
%I 
%X 广义Foley-Sammon线性鉴别分析(GFSDA)是抽取线性特征的有效方法之一。本文提出了基于核的广义Foley-Sammon鉴别分析(KGFSDA)方法，首先建立KGFSDA的模型，然后从理论上给出KGFSDA模型的具体求解方法。分析表明，KGFSDA保留了GFSDA能从整体上考虑经过广义最佳鉴别变换后样本的可分性的优点，更重要的是该方法能够有效地抽取样本的非线性特征，是对GFSDA的进一步拓展。在ORL标准人脸库上的实验结果表明，该方法在识别性能上优于已有的广义Foley-Sammon线性鉴别分析，也比经典的Foley-Sammon线性鉴别分析更有效。
%K Foley-Sammon
%K 线性鉴别分析
%K 人脸库
%K 广义
%K 抽取
%K 识别性能
%K 模型
%K 法能
%K 保留
%K 标准人
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=64A12D73428C8B8DBFB978D04DFEB3C1&aid=520586F29A9C7329&yid=D0E58B75BFD8E51C&vid=4AD960B5AD2D111A&iid=9CF7A0430CBB2DFD&sid=31611641D4BB139F&eid=BBF7D98F9BEDEC74&journal_id=1002-137X&journal_name=计算机科学&referenced_num=0&reference_num=16