%0 Journal Article
%T 基于kda／gsvd和支持向量机的人耳识别
%J 计算机科学
%D 2009
%X 在高维、小样本的情况下使用fisher线性鉴别分析的特征提取方法存在病态奇异问题，学者们提出了许多解决此问题的方法。针对小样本问题，并通过对现有人耳识别方法的研究，提出了一种利用kda／gsvd算法对图像数据进行降维，运用svm分类器对样本进行判别的人耳识别方法。此外，还对线性判别分析、广义奇异值分解和支持向量机的基本理论等内容做了简要介绍。实验证明，kda／gsvd很好地解决了由于小样本的问题而导致的lda算法中类内离散度矩阵不可求逆的问题，把它与支持向量机有机地结合起来，构成了一种有效的人耳识别新方法
%K 人耳识别线性判别分析广义奇异值分解kda／gsvd支持向量机
%U http://www.jsjkx.com/jsjkx/ch/reader/view_abstract.aspx?file_no=29314939&flag=1