论文部分内容阅读
提出了一种基于改进的局部敏感判别分析（LSDA）的人体行为识别算法。首先，利用样本间的距离信息重置类内最近邻点集和类间最近邻点集的权值矩阵，保证在最大化目标函数时尽可能保持局部线性重构特性，解决小样本难题；然后，通过Gran-Schmidt正交化方法将特征矩阵进行正交化，可有效地保留原始空间中的高维空间，解决图像特征重建难题；最后在Weizmann行为数据库进行实验，平均正确识别率达到98.21%。试验结果表明，本文算法具有良好的分类性能，在不同训练样本个数下，该算法均能获得较高的识别率。