二维线性大间距判别分析及其在步态识别中的应用.pdf

《二维线性大间距判别分析及其在步态识别中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第41卷第1期应用科技Vb1．41NO．12014年2月AppliedScienceandTechnologyFeb．2O14doi：10．3969~．issn．1009—671X．201306002二维线性大间距判别分析及其在步态识别中的应用张鹏，付希凯，葛国栋，贲昵烨山东大学信息科学与工程学院，山东济南250100摘要：提出一种二维线性大间距判别分析(Twodimensionallinearmaximummargindiscriminantanalysis，2DLMMDA)的投影算法。该算法一方面采用了有效且稳定的大间距优化

2、准则，引入了Laplacian矩阵，保持了特征矩阵的流形结构，且优化域为Laplacian类间散度与Laplacian类内散度之差，能克服Fisher准则带来的小样本问题；另一方面，采用了具有监督信息的判别分析，大大地提高了识别率。为了验证所提出的算法对特征提取的有效．1生，选择最近邻分类器进行特征分类，最后通过在CASIA(B)步态库上实验。实验结果表明，文中提出的算法具有更高的识别率和识别速度。关键词：特征提取；二维线性大间距判别分析；拉普拉斯矩阵；步态识别中图分类号：TP391．4文献标志码：A文章编号：1009—671X

3、(2014)01．0011-052DlinearmaximummargindiscriminantanalysisanditsapplicationtogaitrecognitionZHANGPeng，FUXikai，GEGuodong，BENXianyeSchooloflnformmionScienceandEngineering，ShandongUniversity,Ji’nan250100，ChinaAbstract：Inthispaper,anovelprojectionalgorithmnamed2Dlinearmax

4、imummargindiscriminantanalysisisproposed．Theeficientandstationarymaximummarginoptimizationcriterionwasusedinthisalgorithm，whichintroducesLaplacianmatrixinordertomaintainthemanifoldstructureofthefeaturematrix，andtheoptimizationcriterionisthediferenceoftheLaplacianinte

5、r-classscarerandLaplacianintra-classscatter．ThisalgorithmCanavoidthesmallsamplesize(sss)problembroughtbytheFishercriterion．Thediscriminantanalysisisadopted，whichhassupervisioninformationandgreatlyimprovestherecognitionaccuracy．Inordertoverifytheeficiencyoftheproposed

6、methodforfeatureextraction，experimentwiththenearestneighborhoodfNN)classifierontheCASIA(B)databaseisconducted．Theresultsshowthattheproposedmethodgainsahigherrecognitionrateandfasterspeed．Keywords：featureextraction；twodimensionallinearmaximummargindiscfiminantanalysis

7、；Laplacianmatrix；gaitrecognition在计算机视觉和模式识别领域，降维技术一直是分析(independentcomponentanalysis，ICA)【]、线众多研究者热衷的焦点Ⅲ。数据的高维f生给数据处理性判别分析(1ineardiscriminantanalysis，LDA)[]受带来了很大的难度，对硬件设备有很高的要求[2】。自到了严重的挑战，已经不能继续满足Et常应用中对大一个多世纪前K．Pearson提出主成分分析(principle数据处理的有效性和可靠性要求。在这种严峻的形势compon

8、entanalysis，PCA)J方法后，几十年来数据下，研究者对于2D数据进一步研究，为了保持二维采集和存储能力得到快速提高，大数据处理渐渐走向数据的完整性，提高执行效率和准确率，Yang首先日常应用，行之有效的特征提取技术也越来越迫切。提出了直接处理二维矩阵