基于KDA／GSVD和支持向量机的人耳识别  

Ear Recognition Using KDA/GSVD and SVM

作　　者：赵海龙[1] 穆志纯[1] 张霞[1,2] 敦文杰[1] 

机构地区：[1]北京科技大学信息工程学院,北京100083 [2]河北经贸大学计算机中心,石家庄050061

出　　处：《计算机科学》2009年第2期257-260,共4页Computer Science

基　　金：国家自然科学基金(基于人耳人脸信息融合的多模态生物特征识别技术,60573058);国家自然科学基金(人耳识别技术研究,60375002)资助

摘　　要：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。Ear recognition is one of important branches of biometrics. We proposed a new ear recognition method which uses KDA/GSVD method to reduce image dimensions and support vector machines as classifier. The experimental results on the USTB-77 ear database show that the new method can overcome the singularity problem of covariance matrices that represent the scatter within and between clusters and perform well in accuracy simultaneously.

关 键 词：人耳识别 线性判别分析 广义奇异值分解 KDA/GSVD 支持向量机 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]