阿明·埃夫特哈里;穆罕默德·福鲁扎法尔;哈米德·阿布里沙米;贾瓦德·阿里勒扎伊 用于人脸识别的分块2D内核PCA/LDA。 （英语） 兹比尔12346.8352 信息处理。莱特。 110，第17号，761-766（2010）. 摘要：基于（2D）矩阵的线性子空间算法直接扩展到核诱导特征空间是一个计算难题，并且无法利用输入数据的局部特征。在这封信中，我们开发了一个二维广义框架，它将核机器的概念与二维主成分分析（PCA）和二维线性判别分析（LDA）相结合。为了弥补上述缺陷，我们基于数据在所谓的块流形中以多模态分布的假设，提出了一种分块方法。所提出的方法，即块式二维核PCA（B2D-KPCA）和块式二维广义鉴别分析（B2D-GDA），试图在每个块流形中找到局部非线性子空间投影，或者在与每个块集相关的核空间中搜索线性子空间投影。在ORL人脸数据库上的实验结果证明了所提出的分块方法与相关公开方法的可靠性。 引用于6文件 MSC公司： 68吨10 模式识别、语音识别 关键词：计算复杂性;主成分分析;线性判别分析;内核计算机;人脸识别 软件：PRMLT公司;ORL面 PDF格式BibTeX公司 XML格式引用 \textit{A.Eftekhari}等人，《信息处理》。莱特。110，第17号，761--766（2010；Zbl 1234.68352） 全文： 内政部 参考文献： [1] 毛重，R。；马修斯一世。；Baker，S.，基于外观的人脸识别和光场，IEEE Trans。PAMI，449-465（2004） [2] Fukunaga，K.，《统计模式识别导论》（1991），学术出版社 [3] 郑，W.S。；赖，J.H。；Li，S.Z.，1D-LDA vs.2D-LDA：基于向量的线性判别分析何时优于基于矩阵的线性判别法？，模式识别，41，2156-2172（2008年7月）·Zbl 1138.68051号 [4] 杨，J。；张，D。；Frangi，A.F.，《二维PCA：基于外观的人脸表示和识别的新方法》，IEEE Trans。PAMI，26，131-137（2004） [5] 李，M。；Yuan，B.，2D-LDA:图像矩阵的统计线性判别分析，模式识别快报，26527-532（2005年4月） [6] Konga，H。；Wanga，L。；Teoha，E.K。；莉娅，X。；Wangb，J。；Venkateswalub，R.，人脸图像表示和识别的广义2D主成分分析，神经网络，18585-594（2005年7月） [8] 肖尔科夫，B。；Smola，A。；Muller，K.R.，作为核特征值问题的非线性分量分析，神经计算，1299-1319（1998） [9] 熊，H。；斯瓦米，M.N.S。；Ahmad，M.O.，《在经验特征空间中优化内核》，IEEE Trans。神经网络，16，460-474（2005年3月） [11] 张，D。；塞恩，S。；Zhou，Z.H.，《单个图像中的人脸或物体：二维模式上的线性与核方法》（计算机科学讲义，第4109卷（2006）），889-897 [12] Shia，J。；萨马拉，A。；Marxb，D.，地标及其几何形状对人脸识别的效果如何？，计算机视觉和图像理解，102117-133（2006年5月） [13] 杨，M。；Kriegman，D.J。；Ahuja，N.，《在图像中检测人脸：一项调查》，IEEE Trans。PAMI，24，34-58（2002年1月） [14] Bishop，C.M.，模式识别和机器学习（2006），Springer-Verlag:Springer-Verlag纽约·Zbl 1107.68072号 [15] 杨，J。；Yang，J.Y.，从图像矢量到矩阵：一种简单的图像投影技术——IMPCA与PCA，模式识别，351997-1999（2002）·Zbl 1006.68865号 [16] 努沙塔，S。；Kumar，G.H。；Shivakumara，P.，（2D）\（^2）LDA:一种有效的人脸识别方法，模式识别，39，1396-1400（2006）·Zbl 1095.68670号 [17] Kim，T.K。；Kittler，J.，用于单模型图像人脸识别的多模态分布类的局部线性判别分析，IEEE Trans。PAMI，27318-327（2005） 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。