2DPCA及2DLDA相关研究综述  

A Survey of Two-dimensional PCA and 2DLDA

作　　者：张生亮[1] 杨静宇[2] 

机构地区：[1]山西财经大学数学系,太原030006 [2]南京理工大学计算机学院,南京210094

出　　处：《世界科技研究与发展》2008年第3期286-289,共4页World Sci-Tech R&D

基　　金：国家自然科学基金(60503026)

摘　　要：二维主分量分析(2DPCA)是近年来得到广泛重视快速的抽取特征算法,二维线性鉴别分析(2DLDA)是F isher线性鉴别分析在矩阵模式下的推广,这两种算法在图像识别领域有重要的应用。本文对近年来国内外在2DPCA及2DLDA方面的相关研究进行了综合分析,总结了已经取得的研究成果,对各种算法进行了比较,也研究了二维方法与传统的PCA和LDA之间关系。This survey focuses on two-dimensional principal component analysis （2DPCA） and two - dimensional linear discriminant analysis （2DLDA）. 2DPCA is a very efficient feature extraction algorithm,and had got more attention in recent years. 2DLDA is a generalization of the fisher linear discriminant analysis （LDA）. Both 2DPCA and 2DLDA have important uses in images recognition. The research success of 2DPCA ＆ 2DLDA had been got is presented in this paper. We also compared the related approaches. In addj.tion, we study the relationships between 2DPCA ＆ 2DLDA with PCA ＆LDA.

关 键 词：特征抽取 主分量分析(PCA) 二维主分量分析(2DPCA) 线性鉴别分析(LDA) 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]