基于廣義奇異值分解的鑒別分析在人臉識(shí)別中的應(yīng)用研究.pdf

1、人臉識(shí)別是生物特征識(shí)別中的重要方向，其具有自然、友好、無侵犯性等諸多優(yōu)點(diǎn)，并且人臉數(shù)據(jù)的采集十分方便，因此人臉識(shí)別目前已成為生物特征識(shí)別領(lǐng)域里研究的熱點(diǎn)。本文針對(duì)人臉識(shí)別中的基于廣義奇異值分解的鑒別分析方法進(jìn)行了研究，提出了若干改進(jìn)的算法。主要包括以下幾個(gè)方面的內(nèi)容：
　?。?）介紹了人臉識(shí)別技術(shù)的應(yīng)用背景、研究目的和意義，以及人臉識(shí)別技術(shù)研究方法的發(fā)展現(xiàn)狀、分類器和距離度量的內(nèi)容；
　?。?）闡述了鑒別分析技術(shù)的發(fā)展現(xiàn)狀以

2、及基于廣義奇異值分解的線性鑒別分析（LDA/GSVD）和非線性鑒別分析(KDA/GSVD)的理論基礎(chǔ)和算法，將組合核思想應(yīng)用到KDA/GSVD中，取得了優(yōu)于單一核函數(shù)的分類效果。
　?。?）提出了加權(quán)調(diào)整的基于廣義奇異值分解的線性鑒別分析方法(WLDA/GSVD)，通過定義加權(quán)類間散布矩陣，使各類樣本中心在分類空間中達(dá)到均衡分布，調(diào)整了傳統(tǒng)的投影軸錯(cuò)分密集類別的局限性。并在ORL人臉庫上針對(duì)LDA/GSVD方法做了對(duì)比實(shí)驗(yàn)，從最后

3、實(shí)驗(yàn)結(jié)果不難看出本文提出的加權(quán)調(diào)整的廣義奇異值分解線性鑒別分析有更好的識(shí)別效果。
　　（4）傳統(tǒng)的LDA方法是把圖像矩陣轉(zhuǎn)化為一維的數(shù)據(jù)向量，進(jìn)而計(jì)算類間散布矩陣和類內(nèi)散布矩陣，一般圖像矩陣轉(zhuǎn)化為向量后都會(huì)具有較高的數(shù)據(jù)維數(shù)，相對(duì)而言訓(xùn)練樣本數(shù)又過少，這時(shí)就給準(zhǔn)確計(jì)算散布矩陣帶來了困難，同時(shí)，這時(shí)的類內(nèi)散布矩陣往往都變得奇異，傳統(tǒng)線性鑒別分析方法的這些弊端，使其應(yīng)用遇到了很大的挑戰(zhàn)，因此提出了基于圖像的廣義奇異值分解線性鑒別分析（