计算机科学 ›› 2009, Vol. 36 ›› Issue (2): 261-264.
• • 上一篇 下一篇
出版日期:
发布日期:
基金资助:
Online:
Published:
摘要： 在基于子空间分析的人脸识别中，通常是按照特征值的大小来确认主成分的重要性，并以此为基础构造一个固定的特征子空间。通过人脸图像重建分析，发现固定的特征子空间会给人脸识别带来误差，于是采用多元线性回归分析理论，提出一个动态主成分子空间构造算法。在此基础上，得到了动态PCA（主成分分析）算法和基于Gabor特征的动态PCA算法。由ORL和GeorgiaTech人脸数据库上的实验结果表明，该算法不仅减少了主成分数目，而且提高了识别率。
关键词: 人脸识别 特征选择 主成分分析 Gabor特征 回归分析
Abstract: The significance of principal component was determined by the corresponding eigenvalue in face recognition based on subspace analysis, then a static feature subspace was established. However,it could result in an inaccurate performanee by analyzing the pr
Key words: Face recognition, Feature selection, Principal component analysis, Gabor feature, Regression analysis
. 基于动态主成分子空间的人脸识别算法[J]. 计算机科学, 2009, 36(2): 261-264. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2009/V36/I2/261
Cited
首页