二維判別分析研究及人臉識別.pdf

1、科學(xué)技術(shù)日新月異,我們從現(xiàn)實中采集到的數(shù)據(jù)越來越復(fù)雜,如何有效地描述數(shù)據(jù),方便我們對這些數(shù)據(jù)進行分類、檢索及識別等操作,已成為現(xiàn)實的迫切需要解決的問題。二維圖像特征提取是一種有效的解決方案,它可以降低維數(shù)帶來的計算復(fù)雜度。
　　論文從二維數(shù)據(jù)的全局幾何結(jié)構(gòu)入手,綜合考慮其與局部幾何結(jié)構(gòu)的關(guān)系,詳細分析了現(xiàn)有學(xué)者提出的應(yīng)用于二維數(shù)據(jù)判別分析算法,加以改進后提出了自己的算法,集成了二位數(shù)據(jù)的綜合考慮了全局和局部結(jié)構(gòu)的特征提取算法,主要

2、內(nèi)容和貢獻有:
　　1)詳細分析了2DLDA的理論基礎(chǔ),并對其進行了一些改進。參考2DLPP所使用的局部統(tǒng)計結(jié)構(gòu)信息,提出了基于二維圖像的2DEFDC算法(Two-Dimension Enhanced Fisher Discriminate Criterion),算法構(gòu)造了一個鄰接圖來描述同類別數(shù)據(jù)的差異性信息,與2DLDA算法所保持的全局統(tǒng)計特性相結(jié)合,提出一個增強的Fisher判別準則,在發(fā)現(xiàn)數(shù)據(jù)內(nèi)部判別結(jié)構(gòu)的基礎(chǔ)上可以保持幾

3、何分布結(jié)構(gòu),因此有比較好的泛化能力。
　　2)對2DEFDC存在的一些問題,在邊界數(shù)據(jù)的處理上可能存在較高的誤判率,某些情況下破壞數(shù)據(jù)局部相似性結(jié)構(gòu)的可能性等問題,針對性的提出了2DJGLDA(二維判別分析算法Two-Dimension Joint Global and Local Structure Discriminate Analysis)算法,通過構(gòu)造三個鄰接圖來分別描述同類別數(shù)據(jù)的差異性結(jié)構(gòu)、同類別數(shù)據(jù)的相似性結(jié)構(gòu)和不同