作者：胡仿民人脸识别核典型相关分析特征向量选择支持向量数据描述特征提取
摘要：标准KCCA方法需要存储和计算核矩阵,而核矩阵的大小是训练样本数的平方,随着样本数的增加,计算量逐渐增大、特征提取缓慢。为了提高特征提取的效率,提出了一种基于特征向量集的KCCA特征提取方法。采用特征选择方法,选择一个训练样本子集并将其映射到再生核希尔伯特空间（RKHS）。用KCCA进行特征提取,将计算复杂度由O（n^3）降到O（nL^2）（L〈〈）,并将改进后的KCCA与SVDD的优势相结合应用于人脸识别中。实验结果表明,相对传统的KCCA方法,所提出的方法在不影响识别率的前提下,显著提高了人脸识别速度,减小了系统的存储量。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
