基于集成学习的规范化LDA人脸识别

• 作 者: 张燕平 窦蓉蓉 赵姝 曹振田
• 机 构: 安徽大学智能计算与信号处理教育部重点实验室
• 出 处: 计算机工程
• 发表日期: 2010年14期
• 关键词: 人脸识别 规范化线性鉴别分析 集成学习 face recognition regularized Linear Discriminant Analysis（LD
• 基金项目: 国家“973”计划基金资助项目（2004CB318108 2007BC311003）, 国家自然科学基金资助项目（60675031）, 安徽大学“211”工程学术创新团队基金资助项目（2009SQRZ020ZD）

针对人脸识别问题中经常面临的"小样本"问题,在规范化的LDA算法的基础上加以改进,并结合集成学习的方法,利用Adaboost算法,在每一次的迭代过程中引进一个加权函数对难以分离的样本增加权重。增加分类器之间的差异度,从而提高样本在新的特征空间中的可分离性,将识别率提高至98.5%。通过ORL数据库的大量实验表明,该算法比传统算法有更好的性能。