一种基于加权变形的2DPCA的人脸特征提取方法

该文首先分析了主成分分析法（PCA）和2维主成分分析法（2DPCA）的关系,针对2DPCA丢失具有鉴别能力的协方差信息以及PCA方法不能解决小样本的问题,提出了基于一种加权变形的2DPCA的人脸特征提取方法（WV2DPCA）,该方法利用变形的2DPCA方法分别对人脸3个子部分分别提取特征,然后根据最近邻理论和权值进行分类。经过在ORL人脸库和YALE人脸库的实验研究表明：与2DPCA相比,提高了人脸空间的识别率,压缩了人脸空间的系数,减少了识别时间;在识别的准确率方面,更优于传统的Fisherfaces,IC,Kernel Eigenfaces的算法。...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	Dian zi yu xin xi xue bao = Journal of electronics & information technology 2011, Vol.33 (4), p.769-774
1. Verfasser:	曾岳冯大政
Format:	Artikel
Sprache:	chi
Schlagworte:	2维主成分分析法（2DPCA）主成分分析法（PCA）人脸表示人脸识别
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

container_end_page	774
container_issue	4
container_start_page	769
container_title	Dian zi yu xin xi xue bao = Journal of electronics & information technology
container_volume	33
creator	曾岳冯大政
description	该文首先分析了主成分分析法（PCA）和2维主成分分析法（2DPCA）的关系,针对2DPCA丢失具有鉴别能力的协方差信息以及PCA方法不能解决小样本的问题,提出了基于一种加权变形的2DPCA的人脸特征提取方法（WV2DPCA）,该方法利用变形的2DPCA方法分别对人脸3个子部分分别提取特征,然后根据最近邻理论和权值进行分类。经过在ORL人脸库和YALE人脸库的实验研究表明：与2DPCA相比,提高了人脸空间的识别率,压缩了人脸空间的系数,减少了识别时间;在识别的准确率方面,更优于传统的Fisherfaces,IC,Kernel Eigenfaces的算法。
doi_str_mv	10.3724/SP.J.1146.2010.01003
format	Article
fullrecord	<record><control><sourceid>wanfang_jour_chong</sourceid><recordid>TN_cdi_wanfang_journals_dzkxxk201104002</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><cqvip_id>37318186</cqvip_id><wanfj_id>dzkxxk201104002</wanfj_id><sourcerecordid>dzkxxk201104002</sourcerecordid><originalsourceid>FETCH-LOGICAL-c592-97a3ec92f5d3c77a6374cb5e8c366fcfb47347548a5596bce91c31013f3f705e3</originalsourceid><addsrcrecordid>eNotj81Kw0AUhWehYKl9A1duXCXO5M5PBlel_lOwYPdhMs3UmJKiRSyulHajoHVjEUEUNz6AmzagT9OkPoYDdXH54J7DORyE1gh2QXh087jhHrqEUO562P7sYVhCJQvpMF_yFVTp9eIQe0C4sFoJbc0m1_PP-_wtm2UP-d178TrIR8_598f8ZehtN2pVy1mW_Q4n89tp_nNTjB7z0bgYT4uvp1W0bFSnF1X-WUbN3Z1mbd-pH-0d1Kp1RzPpOVIoiLT0DGuBFkJxEFSHLPI1cG60CakAKhj1FWOShzqSRAPBBAwYgVkEZbSxiL1UqVFpOzjtXpyntjBoXSX9fmKnEkyxHVVG6wunPumm7bPYekOlExN3ogAEEJ_4HP4Av9Rm7w</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>一种基于加权变形的2DPCA的人脸特征提取方法</title><source>Alma/SFX Local Collection</source><creator>曾岳冯大政</creator><creatorcontrib>曾岳冯大政</creatorcontrib><description>该文首先分析了主成分分析法（PCA）和2维主成分分析法（2DPCA）的关系,针对2DPCA丢失具有鉴别能力的协方差信息以及PCA方法不能解决小样本的问题,提出了基于一种加权变形的2DPCA的人脸特征提取方法（WV2DPCA）,该方法利用变形的2DPCA方法分别对人脸3个子部分分别提取特征,然后根据最近邻理论和权值进行分类。经过在ORL人脸库和YALE人脸库的实验研究表明：与2DPCA相比,提高了人脸空间的识别率,压缩了人脸空间的系数,减少了识别时间;在识别的准确率方面,更优于传统的Fisherfaces,IC,Kernel Eigenfaces的算法。</description><identifier>ISSN: 1009-5896</identifier><identifier>DOI: 10.3724/SP.J.1146.2010.01003</identifier><language>chi</language><publisher>西安电子科技大学计算机学院,西安,710071</publisher><subject>2维主成分分析法（2DPCA） ; 主成分分析法（PCA） ; 人脸表示 ; 人脸识别</subject><ispartof>Dian zi yu xin xi xue bao = Journal of electronics & information technology, 2011, Vol.33 (4), p.769-774</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://image.cqvip.com/vip1000/qk/91130A/91130A.jpg</thumbnail><link.rule.ids>314,776,780,4010,27900,27901,27902</link.rule.ids></links><search><creatorcontrib>曾岳冯大政</creatorcontrib><title>一种基于加权变形的2DPCA的人脸特征提取方法</title><title>Dian zi yu xin xi xue bao = Journal of electronics & information technology</title><addtitle>Journal of Electronics ＆ Information Technology</addtitle><description>该文首先分析了主成分分析法（PCA）和2维主成分分析法（2DPCA）的关系,针对2DPCA丢失具有鉴别能力的协方差信息以及PCA方法不能解决小样本的问题,提出了基于一种加权变形的2DPCA的人脸特征提取方法（WV2DPCA）,该方法利用变形的2DPCA方法分别对人脸3个子部分分别提取特征,然后根据最近邻理论和权值进行分类。经过在ORL人脸库和YALE人脸库的实验研究表明：与2DPCA相比,提高了人脸空间的识别率,压缩了人脸空间的系数,减少了识别时间;在识别的准确率方面,更优于传统的Fisherfaces,IC,Kernel Eigenfaces的算法。</description><subject>2维主成分分析法（2DPCA）</subject><subject>主成分分析法（PCA）</subject><subject>人脸表示</subject><subject>人脸识别</subject><issn>1009-5896</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2011</creationdate><recordtype>article</recordtype><recordid>eNotj81Kw0AUhWehYKl9A1duXCXO5M5PBlel_lOwYPdhMs3UmJKiRSyulHajoHVjEUEUNz6AmzagT9OkPoYDdXH54J7DORyE1gh2QXh087jhHrqEUO562P7sYVhCJQvpMF_yFVTp9eIQe0C4sFoJbc0m1_PP-_wtm2UP-d178TrIR8_598f8ZehtN2pVy1mW_Q4n89tp_nNTjB7z0bgYT4uvp1W0bFSnF1X-WUbN3Z1mbd-pH-0d1Kp1RzPpOVIoiLT0DGuBFkJxEFSHLPI1cG60CakAKhj1FWOShzqSRAPBBAwYgVkEZbSxiL1UqVFpOzjtXpyntjBoXSX9fmKnEkyxHVVG6wunPumm7bPYekOlExN3ogAEEJ_4HP4Av9Rm7w</recordid><startdate>2011</startdate><enddate>2011</enddate><creator>曾岳冯大政</creator><general>西安电子科技大学计算机学院,西安,710071</general><scope>2RA</scope><scope>92L</scope><scope>CQIGP</scope><scope>W92</scope><scope>~WA</scope><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2011</creationdate><title>一种基于加权变形的2DPCA的人脸特征提取方法</title><author>曾岳冯大政</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-c592-97a3ec92f5d3c77a6374cb5e8c366fcfb47347548a5596bce91c31013f3f705e3</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2011</creationdate><topic>2维主成分分析法（2DPCA）</topic><topic>主成分分析法（PCA）</topic><topic>人脸表示</topic><topic>人脸识别</topic><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>曾岳冯大政</creatorcontrib><collection>中文科技期刊数据库</collection><collection>中文科技期刊数据库-CALIS站点</collection><collection>中文科技期刊数据库-7.0平台</collection><collection>中文科技期刊数据库-工程技术</collection><collection>中文科技期刊数据库- 镜像站点</collection><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>Dian zi yu xin xi xue bao = Journal of electronics & information technology</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>曾岳冯大政</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>一种基于加权变形的2DPCA的人脸特征提取方法</atitle><jtitle>Dian zi yu xin xi xue bao = Journal of electronics & information technology</jtitle><addtitle>Journal of Electronics ＆ Information Technology</addtitle><date>2011</date><risdate>2011</risdate><volume>33</volume><issue>4</issue><spage>769</spage><epage>774</epage><pages>769-774</pages><issn>1009-5896</issn><abstract>该文首先分析了主成分分析法（PCA）和2维主成分分析法（2DPCA）的关系,针对2DPCA丢失具有鉴别能力的协方差信息以及PCA方法不能解决小样本的问题,提出了基于一种加权变形的2DPCA的人脸特征提取方法（WV2DPCA）,该方法利用变形的2DPCA方法分别对人脸3个子部分分别提取特征,然后根据最近邻理论和权值进行分类。经过在ORL人脸库和YALE人脸库的实验研究表明：与2DPCA相比,提高了人脸空间的识别率,压缩了人脸空间的系数,减少了识别时间;在识别的准确率方面,更优于传统的Fisherfaces,IC,Kernel Eigenfaces的算法。</abstract><pub>西安电子科技大学计算机学院,西安,710071</pub><doi>10.3724/SP.J.1146.2010.01003</doi><tpages>6</tpages></addata></record>
fulltext	fulltext
identifier	ISSN: 1009-5896
ispartof	Dian zi yu xin xi xue bao = Journal of electronics & information technology, 2011, Vol.33 (4), p.769-774
issn	1009-5896
language	chi
recordid	cdi_wanfang_journals_dzkxxk201104002
source	Alma/SFX Local Collection
subjects	2维主成分分析法（2DPCA）主成分分析法（PCA）人脸表示人脸识别
title	一种基于加权变形的2DPCA的人脸特征提取方法
url	https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-02-11T05%3A27%3A20IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour_chong&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E4%B8%80%E7%A7%8D%E5%9F%BA%E4%BA%8E%E5%8A%A0%E6%9D%83%E5%8F%98%E5%BD%A2%E7%9A%842DPCA%E7%9A%84%E4%BA%BA%E8%84%B8%E7%89%B9%E5%BE%81%E6%8F%90%E5%8F%96%E6%96%B9%E6%B3%95&rft.jtitle=Dian%20zi%20yu%20xin%20xi%20xue%20bao%20=%20Journal%20of%20electronics%20&%20information%20technology&rft.au=%E6%9B%BE%E5%B2%B3%20%E5%86%AF%E5%A4%A7%E6%94%BF&rft.date=2011&rft.volume=33&rft.issue=4&rft.spage=769&rft.epage=774&rft.pages=769-774&rft.issn=1009-5896&rft_id=info:doi/10.3724/SP.J.1146.2010.01003&rft_dat=%3Cwanfang_jour_chong%3Edzkxxk201104002%3C/wanfang_jour_chong%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_cqvip_id=37318186&rft_wanfj_id=dzkxxk201104002&rfr_iscdi=true