%0 Journal Article
%T 基于样本分布相似度的期望分布鉴别分析*
%A 郭志波
%A 杨静宇
%A 郑宇杰
%A 严云洋
%J 模式识别与人工智能
%P 751-756
%D 2007
%X 主分量分析(PCA)和线性鉴别分析(LDA)是模式识别领域使用广泛的两种特征抽取方法.本文针对两种方法的不足之处，并从样本分布相似度出发提出一种期望分布鉴别分析(EDDA)方法，抽取到的鉴别特征的总体分布和设定的期望分布最为相近.即通过EDDA得到的投影向量可以抽取出最接近理想分布的鉴别特征.EDDA在投影向量的求解问题上不存在小样本问题，抽取的鉴别特征维数小，并且整体识别性能得到增强.在ORL、Yale人脸库上的实验结果证明本文方法在人脸识别精度上优于PCA和LDA方法.
%K 期望分布鉴别分析(EDDA)
%K 线性鉴别分析(LDA)
%K 主分量分析(PCA)
%K 特征抽取
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract10567.shtml