适用于小样本问题的具有类内保持的正交特征提取算法

在人脸识别中,具有正交性的特征提取算法是一类有效的特征提取算法,但受到小样本问题的制约.本文在正交判别保局投影的基础上,提出了一种适用于小样本问题的具有类内保持的正交特征提取算法.算法根据同类样本之间的空间结构信息,重新定义了类内散度矩阵与类间散度矩阵,进而给出了一个新的目标函数.然而新的目标函数对于人脸识别问题,同样存在着小样本问题.为此本文将原始数据空间降到一个低维的子空间,从而避免了总体散度矩阵奇异,并在理论上证明了在该子空间中求解判别矢量集,等价于在原空间中求解判别矢量集.人脸库上的实验结果表明本文算法的有效性.