《计算机学报》文章摘要   全文下载
文章题目	基于支持向量的Kernel判别分析
作者	张宝昌1) 陈熙霖2) 山世光2) 高文1),2)
作者单位	1)(哈尔滨工业大学计算机科学与技术学院 哈尔滨 150001) 2)(中国科学院计算技术研究所银晨科技面像识别联合实验室 北京 100080)
发表年份	2006
发表月份	12期(2143—2150)
文章摘要	摘要 提出了一种新的基于支持向量的核化判别分析方法(SV-KFD).首先深入地分析了支持向量机(SVM)以及核化费舍尔判别分析(Kernel Fisher)方法的相互关系.基于作者证明的SVM本身所固有的零空间性质：SVM分类面的法向量在基于支持向量的类内散度矩阵条件下，具有零空间特性，提出了利用SVM的法向量定义核化的决策边界特征矩阵(Kernelized Decision Boundary Feature Matrix，KDBFM)的方法.进一步结合均值向量的差向量构建扩展决策边界特征矩阵(Ex-KDBFM).最后以支持向量为训练集合，结合零空间方法来计算投影空间，该投影空间被用来从原始图像中提取判别特征.以人脸识别为例，作者在FERET和CAS-PEAL-R1大规模人脸图像数据库上对所提出的方法进行了实验验证，测试结果表明该方法具有比传统核判别分析方法更好的识别性能. 关键词 人脸识别；支持向量机；核分析；判别分析；零空间 中图法分类号 TP391