Fisher极小准则不相关空间算法及其在人脸识别中的应用

作者：杨军; 刘妍丽; 冯朝胜; 冯林

来源：模式识别与人工智能, 2013, (06): 598-603.

DOI：10.16451/j.cnki.issn1003-6059.2013.06.006

• Fisher极小准则
• 不相关鉴别矢量集
• 不相关空间算法
• 小样本问题 Fisher Minimum Criterion
• Uncorrelated Discriminant Vector
• Uncorrelated Space Algorithm
• Small Sample Size Problem

不相关空间算法是一种基于广义Fisher准则求解不相关鉴别矢量集的快速算法,但该算法要求总体散度矩阵可逆.针对高维小样本的情况,文中提出求解不相关鉴别矢量集的改进方法.该方法的基本思路是在类间散度矩阵的值空间中运用广义Fisher极小准则求解鉴别矢量集,并讨论在该子空间中进行求解的合理性.针对高维情况下类间散度矩阵值空间的计算效率问题,提出首先利用PCA算法将数据降维,然后在低维空间中求解值空间的策略并讨论其合理性.在ORL人脸数据库上的实验验证该方法的有效性,其识别率高于传统的Fisher脸方法和不相关空间算法.

• 单位
  四川师范大学; 四川大学