论文部分内容阅读
近期提出的边际费希尔分析(MFA)取得比传统线性判别分析(LDA)更好的分类效果.本文在 MFA 可分性准则的基础上,提出在基向量上加正交和不相关的约束.给出求解本文方法的迭代算法,并进一步从理论上证明它们在可分性上比原始的 MFA 要好.随后,在 ORL 和 Tale 人脸库上的实验证明本文方法的有效性.