论文研究 隐空间中参数化直接鉴别分析及其应用.pdf

提出了一种新的非线性特征抽取方法——隐空间中参数化直接鉴别分析。其主要思想是利用一核函数将原始输入空间非线性变换到隐空间，针对在该隐空间中类内散布矩阵总是奇异等问题，利用参数化直接鉴别分析进行特征抽取。与现有的核特征抽取方法不同的是，该方法不需要核函数满足Mercer 定理，从而增加了核函数的选择范围。更为重要的是，由于在隐空间中采用了参数化直接鉴别分析，不仅保留了参数化直接鉴别分析的优点，而且有效地抽取了样本的非线性特征；在该方法中提出了一个更为合理的加权系数矩阵，提高了分类性能。在FERET人脸数据库子库上的实验结果验证了该方法的有效性。