论文部分内容阅读
将线性判别分析(LDA)应用于人脸识别中时,小样本问题常常出现,即,通常可获得的人脸训练样本个数远小于训练样本的维数,从而导致类内散布矩阵Sw奇异,于是得到病态的特征值问题。使用数学工具探讨了这一现象的实质。此外,提出了一种单参数正则化方法来解决小样本问题,该方法以满足tr(Swr)=tr(Sw)为条件,用一个可逆矩阵Srw去估计奇异的类内散布矩阵Sw。在使用小波变换对人脸像降维预处理后进行了该方法与传统LDA的对比实验。实验表明,该方法可大幅提高LDA的识别性能。