作者：庞彦伟; 刘政凯; 俞能海人脸识别算法主分量分析奇异值分解分类器融合旋转不变性pca方法svd方法数据融合图像表示几何变换识别方法识别率互补性独立性均方差数据库位移
摘要：提出了奇异值分解(SVD)和主分量分析(PCA)相结合的人脸识别算法.理论上,当两种数据或分类器具有一定的独立性或互补性时,数据融合或分类器融合才能改善识别率.SVD和PCA之间有着明显的互补之处.PCA在图像表示上是最佳的(在均方差意义上),但敏感于位移、旋转等几何变换.而SVD则具有位移、旋转不变性.因此,将这两种方法相结合就有可能提高分类性能(好于单独的SVD方法和单独的PCA方法).在ORL数据库上的实验表明,SVD和PCA相融合的识别方法的确提高了人脸识别率.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
