欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
中文摘要：
独立成分分析（ICA）和线性鉴别分析（LDA）是两种经典的特征提取方法．为了更好地解决人脸识别中的特征提取问题，在已有的两种方法进行特征抽取的基础上引入模糊技术，抽取重叠（离群）样本中有助于分类的特征．首先用ICA进行初次特征提取，然后采用模糊k近邻方法得到相应的样本分布信息，最后在此基础上用模糊LDA进行二次特征提取，得到有效的特征向量集．在3个人脸数据库上的实验结果表明本文方法的有效性．
英文摘要：
Independent component analysis （ICA） and linear discriminant analysis （LDA） are two classical feature extraction methods. To extract optimal features, fuzzy technology is introduced into the fusion method of ICA and LDA. The proposed method can extract discriminative features from overlapping （outlier） samples effectively. Firstly, ICA is employed to extract initial features. Then, fuzzy k -nearest neighbor （FKNN） is implemented to achieve the distribution information of original samples. Finally, fuzzy LDA （FLDA） is performed on the basis of the above computation, and the effective feature vectors are extracted. Experimental results on the AR, ORL and NUST603 face databases demonstrate the effectiveness of the proposed method.
同期刊论文项目
同项目期刊论文
期刊信息
位置：