增强典型相关分析及其在多模态生物特征识别特征层融合中的应用  

Enhanced CCA and its applications in feature level fusion of multimodal biometrics

作　　者：张志坚[1] 赵松[1] 张培仁[1] 

机构地区：[1]中国科学技术大学自动化系,安徽合肥230027

出　　处：《中国科学技术大学学报》2010年第8期790-795,共6页JUSTC

摘　　要：提出了增强典型相关分析(ECCA)的概念,并将ECCA用于多模态生物特征的特征层融合.ECCA不仅保持了CCA的本质特征,而且利用了类别信息,能够找到两个特征空间对分类更有意义的投影方向.开集测试表明,ECCA用于特征层融合时,可以获得比广义典型相关分析、串行融合、并行融合特征层融合算法和加法规则、乘法规则等分数层融合算法更好的性能.A novel enhanced canonical correlation analysis （ECCA） was proposed and ECCA was used for feature level fusion in multi-biometrics. By using class label information, ECCA can find the most relevant projecting direction which is more useful for classification and along which between-class scatter is maximized. The open test shows that ECCA outperforms other feature fusion methods.

关 键 词：增强典型相关分析 多模态生物特征识别 特征层融合 人脸识别 掌纹识别 开集测试 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]