论文部分内容阅读
本文提出一种新的数据维数约减方法。这种新的方法是基于图像的局部散度和非局部散度而建立准则函数,并且非局部散度与局部散度是基于样本图像矩阵来构建的。准则目的是寻求一组投影轴使得投影后的样本特征的非局部散度最大化,同时也使得局部散度最小化。通过在YALE人胸库和AR人脸库上进行实验,结果表明本文提出的新方法在识别率方面整体上好于基于图像矢量的LPP(LocalityPreserving Projection)和UDP(Unsupervised DiscriminantProjection)，也超过常用的LDA(Linear DiscriminantAnalysis)。