基于KDA／GSVD和支持向量机的人耳识别

计算机科学 ›› 2009, Vol. 36 ›› Issue (2): 257-260.

基于KDA／GSVD和支持向量机的人耳识别

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
本文受国家自然科学基金（基于人耳人脸信息融合的多模态生物特征识别技术,60573058）,国家自然科学基金（人耳识别技术研究,60375002）资助.

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 在高维、小样本的情况下使用Fisher线性鉴别分析的特征提取方法存在病态奇异问题，学者们提出了许多解决此问题的方法。针对小样本问题，并通过对现有人耳识别方法的研究，提出了一种利用KDA／GSVD算法对图像数据进行降维，运用SVM分类器对样本进行判别的人耳识别方法。此外，还对线性判别分析、广义奇异值分解和支持向量机的基本理论等内容做了简要介绍。实验证明，KDA／GSVD很好地解决了由于小样本的问题而导致的LDA算法中类内离散度矩阵不可求逆的问题，把它与支持向量机有机地结合起来，构成了一种有效的人耳识别新方法

关键词: 人耳识别线性判别分析广义奇异值分解 KDA／GSVD 支持向量机

Abstract: Ear recognition is one of important branches of biometrics. We proposed a new ear recognition method which uses KDA/GSVD method to reduce image dimensions and support vector machines as classifier. The experimental results on the USTB-77 ear database show

Key words: Ear recognition, Linear discriminant analysis, Generalized singular value decomposition, KDA/GSVD, Support vector machines

. 基于KDA／GSVD和支持向量机的人耳识别[J]. 计算机科学, 2009, 36(2): 257-260. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed