论文部分内容阅读
提取低维人脸特征是人脸识别系统中极其关键的一步。线性判别分析（LDA）是一种较为普遍的用于特征提取的线性分类方法。本文提出了一种优化的LDA算法，该方法克服了传统的LDA算法用于人脸识别时存在的问题：通过重新定义样本类间离散度矩阵使传统的Fisher准则能够最优化，克服了边缘类对选择最佳投影方向的影响；同时，利用因数分解的方法避免了对矩阵求逆，解决了小样本问题。依据经验选取适当的e值，得到最佳的识别效果。实验结果表明，人脸识别效果优于传统LDA方法。