局部线性判别分析及其在掌纹识别中的应用  

Local linear discriminant analysis with its application for palmprint recognition

作　　者：张建新[1,2] 欧宗瑛[2] 魏小鹏[1,2] 张强[1] 

机构地区：[1]大连大学先进设计与智能计算省部共建教育部重点实验室,辽宁大连116622 [2]大连理工大学机械工程学院,辽宁大连116024

出　　处：《光电子．激光》2010年第12期1860-1864,共5页Journal of Optoelectronics·Laser

基　　金：辽宁省高校创新团队支持计划资助项目(2009T005;LT2010005);辽宁省高校科学研究计划资助项目(2009S008;2009S009;LS2010179;LS2010008)

摘　　要：在线性判别分析(LDA)算法基础上强调图像类间数据的局部可分性,提出一种称为局部LDA(LLDA)的新子空间方法,并给出LLDA的图嵌入表示。针对LLDA同样存在的小样本问题,首先给出了传统适于LDA的主成分分析(PCA)预处理方法不适于LLDA算法的证明;进而提出了基于散度差判别准则(SDDC)的LLDA(SLLDA),既克服了LLDA的小样本问题,又提供了真实比较LLDA和LDA的平台。在PolyU掌纹数据库上的实验结果表明本文提出的SLLDA算法用于识别的有效性,也验证了数据局部关系对分类的重要性。On the basis of linear discriminate analysis（LDA） algorithm,this paper proposes a new subspace approach called as local LDA（LLDA）,which pays more attention to the separability of neighbor classes.The graphic embedding is then applied to offer a better understanding of LLDA.Aiming at the（SSS） problem in LLDA,the paper proves that the conventional principle component analysis（PCA） preprocessing approach for LDA is not suitable for the proposed LLDA algorithm.Then,the paper presents an improved LLDA algorithm named as scatter-difference LLDA（SLLDA）,which can not only solve the SSS problem in LLDA but also provide good comparability between LLDA and LDA.Experimental results on the PolyU palmprint database illuminate the effectiveness of the proposed SLLDA and the importance of the local relationship between sample classes for classification.

关 键 词：线性判别分析(LDA) 局部LDA(LLDA) 散度差判别准则(SDDC) 小样本问题 掌纹识别 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]