融合类别信息的二维主成分分析人脸识别算法

• 作 者: 徐倩 邓伟
• 机 构: 苏州大学计算机科学与技术学院
• 出 处: 计算机工程与设计
• 发表日期: 2008年22期
• 关键词: 二维主成分分析 人脸识别 无监督方法 类别信息 K-L变换 two-dimensional principal component analysis face
• 基金项目: 国家自然科学基金项目（60572074）.

二维主成分分析(2DPCA)已被成功地应用在人脸识别领域,但是这种2DPCA是无监督方法,投影没有考虑到类别信息,在一定程度上影响了识别性能。因此提出一种新的2DPCA,它利用训练样本的类别标记来生成K-L变换的产生矩阵,融合了样本的类别信息,从而使2DPCA的识别性能更好。基于ORL和Yale人脸数据库的实验表明该方法比传统的2DPCA的识别性能更高。