一种融合KPCA和KDA的人脸识别新方法  

Novel face recognition method based on KPCA plus KDA

作　　者：周晓彦[1] 郑文明[2] 

机构地区：[1]南京信息工程大学电子信息工程学院 [2]东南大学学习科学研究中心,南京210096

出　　处：《计算机应用》2008年第5期1263-1266,共4页journal of Computer Applications

基　　金：国家自然科学基金资助项目(60503023);南京信息工程大学校内科研基金资助项目(Y603)

摘　　要：核判别分析(KDA)和核主成分分析(KPCA)分别是线性判别分析(LDA)和主成分分析(PCA)在核空间中的非线性推广,提出了一种融合KDA和KPCA的特征提取方法并应用于人脸识别中,该方法综合利用KDA和KPCA的优点来提高人脸识别的性能。此外,还提出了一种广义最近特征线(GNFL)方法来构造有效的分类器。实验结果证明:提出的方法获得了更好的识别结果。Kernel Discriminant Anlaysis （KDA） and Kernel Principal Component Analysis （KPCA） are the nonlinear extensions of Linear Discriminant Analysis （LDA） and Principal Component Analysis （PCA） respectively. In this paper, we presented a feature extraction algorithm by combing KDA and KPCA to extract reliable and robust features for recognition. Furthermore, a generalized nearest feature line （GNFL） method was also presented for constructing powerful classifier. The performance of the proposed method was demonstrated through real data.

关 键 词：核判别分析 核主成分分析 广义最近特征线 人脸识别 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]