Kernel-Based Generalized Foley-Sammon Discriminant Analysis
基于核的广义Foley-Sammon鉴别分析

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。