一种非参数核函数鉴别分析法及其在人脸识别中的应用

核判别分析(kda)算法仅考虑c-1个判别特征，且计算类间离散度矩阵时需使用所有的训练样本，而一些有利于分类的边界结构未能被提取。为此，提出了一种非参数非线性(核)鉴别分析方法，其在计算特征空间中的类间散布矩阵时引入一个权值函数，从而能提取有利于分类的边界结构。仿真试验表明，新方法在识别性能上优于已有的一些方法，且避免了使用繁琐的矩阵奇异值分解理论，有一定的实用价值。