pca+fisher是将核函数应用到人脸识别研究中去

资 源 简 介

pca+fisher是将核函数应用到人脸识别研究中去

详 情 说 明

PCA结合Fisher判别分析是将核函数应用于人脸识别研究的一种经典方法。该方法通过非线性映射提升传统线性算法的分类性能。

在传统PCA+Fisher方法中，首先通过主成分分析对人脸图像进行降维，提取主要特征成分。随后运用Fisher线性判别分析对这些特征进行进一步优化，以最大化类间差异同时最小化类内差异。但这种方法在复杂分布的数据上表现有限。

引入核函数的思想是通过非线性变换将原始数据映射到高维特征空间。在这个空间中，原本线性不可分的数据可能变得线性可分。常用的核函数包括多项式核和高斯核等。核技巧的运用避免了直接计算高维空间的复杂映射，只需在原空间计算核函数即可。

这种方法在人脸识别中的优势在于：能更好地处理光照、姿态等非线性变化；通过核映射可以提取更有效的判别特征；相比传统线性方法具有更强的模式区分能力。实验表明，基于核的PCA+Fisher方法在ORL等标准人脸库上能显著提高识别率。