论文部分内容阅读
小样本问题在利用线性鉴别分析处理高维样本时经常遇到,但是已有方法在如何构造完整的最优子空间,并在其中获得最有效的鉴别分析的过程中始终存在着共同的缺陷.提出一种最优对称零空间准则的鉴别分析方法,通过构造类内和类间散布矩阵的2个零子空间及其互补子空间,获得分布在各子空间中降维样本的最优鉴别信息,可有效地解决传统Fisher线性变换方法中的最终特征维数受类别数限制的问题.在FERET和ORL人脸数据库上的实验结果验证了文中方法的有效性.