不相关的增强多样性费舍尔判别分析用于人脸识别

本文基于增强的Fisher判别准则(EFDC),提出了一种新的特征提取方法,称为不相关的增强多样性Fisher判别分析(UEDFDA),用于人脸识别。 UEDFDA通过同时考虑类别标签信息和局部结构来定义无参数分集加权矩阵。 因此,UEDFDA可以保留数据的局部多样性结构,而无需设置任何参数。 此外,所提出的算法能够提取特征空间中不相关的判别向量,并且不会遭受样本量小的问题,这是许多模式分析应用所希望的。 人脸数据库的实验结果表明了该方法的有效性。