%0 Journal Article
%T 基于PCA和LDA统一化原理的增强型？线性鉴别分析准则
%A 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
%R 10.11834/jig.20080418
%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 增强型线性鉴别分析
%K 主分量分析
%K 线性鉴别分析
%K PCA+LDA
%U http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?file_no=20080418&flag=1