%0 Journal Article
%T 小样本情况下Fisher线性鉴别分析的理论及其验证
%A 陈伏兵
%A 张生亮
%A 高秀梅
%A 杨静宇
%J 中国图象图形学报
%D 2005
%R 10.11834/jig.200508183
%X 线性鉴别分析是特征抽取中最为经典和广泛使用的方法之一。近几年,在小样本情况下如何抽取Fisher最优鉴别特征一直是许多研究者关心的问题。本文应用投影变换和同构变换的原理,从理论上解决了小样本情况下最优鉴别矢量的求解问题,即最优鉴别矢量可在一个低维空间里求得;给出了特征抽取模型,并给出求解模型的PPCA+LDA算法;在ORL人脸库3种分辨率灰度图像上进行实验。实验结果表明,PPCA+LDA算法抽取的鉴别向量有较强的特征抽取能力,在普通的最小距离分类器下能达到较高的正确识别率,而且识别结果十分稳定。
%K 小样本问题
%K 主成分分析
%K 线性鉴别分析
%K 压缩变换
%K 人脸识别
%U http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?file_no=200508183&flag=1