基于图像矩阵的核主分量分析技术  

Image Matrix-based Kernel Principal Component Analysis Technique

作　　者：高秀梅[1] 

机构地区：[1]淮阴师范学院计算机科学与技术学院,江苏淮安223300

出　　处：《淮阴师范学院学报（自然科学版）》2010年第5期404-408,共5页Journal of Huaiyin Teachers College;Natural Science Edition

基　　金：淮安市科技支撑计划(工业)项目(HAG07049)

摘　　要：作为一种新的特征抽取算法,核主分量分析(KPCA)已经广泛应用于人脸等图像识别任务中.但是该方法的时间复杂度依赖于训练样本的数目N,当N很大时,算法所耗费的时间是相当可观的.本文提出了基于图像矩阵的核主分量分析技术(I-KPCA),解决了上述核方法普遍存在的问题.在CENPARM I数据库上的实验结果验证了本文方法的有效性.As a novel feature extraction method,kernel principal component analysis technique（KPCA） has been applied to image recognition tasks such as human faces.There are a key problems： whose time complexity depends on the number of the training samples N.When N is very big,time the KPCA consumes is considerable large.This paper proposes image matrix-based kernel principal component analysis technique（I-KPCA） for solution of the above problems in kernel methods.Finally,the experimental results on Concordia University CENPARMI handwriting numeral database indicate that the proposed method is effective and more efficient than KPCA.

关 键 词：核主分量分析 图像矩阵 特征抽取 手写字符识别 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]