摘要
在最大间距准则算法中引入模糊化思想,提出了基于模糊最大间距准则(FMMC)的人脸识别算法。首先讨论图像对各个类别的隶属程度,并重新定义了类内和类间离散度矩阵;然后利用模糊最大间距准则得到最优投影变换矩阵;最后将原始训练样本数据投影到一个相对低维的特征空间,从而完成对训练样本数据的特征提取。在ORL和Yale标准人脸库上的实验结果表明,文中提出的模糊最大间距准则特征提取方法用于人脸识别具有较高的识别率。
A Fuzzy Maximum Margin Criterion on the basis of this idea of fuzzy is presented,which is introduced into Maximum Margin Criterion(MMC).Firstly,the image's membership degree is discussed for each class,and the corresponding scatter matrices are redefined.Then the fuzzy maximum margin criterion is used to get the optimal projection matrix.Finally,by using the optimal projection matrix,FMMC can transform the original sample data from original high-dimensional data space to a low-dimensional feature space and complete the feature extraction of the original sample data.Experimental results on ORL face database and Yale face database show that the proposed FMMC method for face recognition has high recognition rate.
出处
《计算机与数字工程》
2014年第8期1355-1359,共5页
Computer & Digital Engineering
基金
陕西省教育厅科研计划项目(编号:2013JK0597)
陕西省教育科学"十二五"规划2012年课题(编号:SGH12443)
商洛学院科研基金项目(编号:12SKY010)
商洛学院服务地方专项项目(编号:12SKY-FWDF011)资助
关键词
人脸识别
模糊最大间距准则
特征提取
face recognition
fuzzy maximum margin criterion
feature extraction