一种基于核最大间距准则改进的特征提取方法.pdf

艮．卷29篙 l■l JOURNALoFJlANGSU Science UNIVERSlTY(NaturalEdition) 一种基于核最大间距准则改进的特征提取方法 李国栋1，李勇智2 (1．兰州商学院信息工程学院，甘肃兰州730020；2．南京林业大学信息科技学院，江苏南京210037) 摘要：针对非线性特征提取问题，基于核最大间距准则(KMMC)，提出一种新的特征提取方法，即 一组具有统计不相关性的最优核鉴别矢量集的简单计算方法．与原KMMC特征提取方法相比，新 的特征提取方法消除了最优核鉴剐矢量间的统计相关性，提高了特征提取的有效性．通过在ORL 人脸库和YALE人脸库上进行试验，结果表明提出的特征提取方法在有效性方面整体上好于原 KMMC特征提取方法和常用的核主成分分析(KPCA)法． 关键词：核最大间距准则；最优核鉴别矢量；特征提取；统计不相关性；人脸识别 中图分类号：TP391文献标志码：A An methodforface improving recognition basedonkernelmaximumcriterion margin L／Guo．don91，LIYong-zhi2 of Science ofInformation Commercial Information (I．School Engineering，LanzhouCollege，Lanzhou，Gansu730020，China；2．School and Forestry 210037，China) Technology，NanjingUniversity，Nanjing。Jiangtm newfeatureextractionmethodbasedonkernelmaximum Abstract：A margin fornonlinearfeatureextractionwhichisa of uncorrelated statistically presented simplealgorithm optimal discriminantvectorsinkernelfeature withthe KMMCfeatureextraction space．Comparedoriginal methodis in thestatisticalcorrelationbetweenfeaturevectors method，theproposed powerfuleliminating and offeatureextractioninthe dimensionalfeature re— experimental improvingefficiency hi。gh space．The suits andYALEfacedatabaseshowthat