基于模糊集理论的二维线性鉴别分析新方法

CORC > 沈阳自动化研究所 > 中国科学院沈阳自动化研究所 > 机器人学研究室

	基于模糊集理论的二维线性鉴别分析新方法
	郑宇杰 ; 杨静宇 ; 吴小俊 ; 李勇智
刊名	中国工程科学
	2007
卷号	9 期号:2 页码:49-53
关键词	二维线性鉴别分析模糊二维线性鉴别分析模糊集理论特征提取模糊k近邻
ISSN号	1009-1742
产权排序	3
英文摘要	二维线性鉴别分析（2DLDA）是一种直接基于矩阵的特征提取方法，跳过传统的基于Fisher鉴别准则的线性鉴别分析方法中必须先将二维矩阵转化成一维矢量的过程，有效地提高了特征提取速度且避免了小样本问题，其识别率优于传统的Fisherface方法。结合模糊集理论，提出了一种新的2DLDA算法——模糊2DLDA（FIDLDA）算法。首先采用FKNN算法得到相应的样本分布信息，并按其对最后得到的特征向量所作的贡献融入到特征抽取过程中，得到有效的样本特征向量集。实验表明，F2DLDA算法的性能优于传统的2DLDA算法和Fisherface方法。
语种	中文
资助机构	国家自然科学基金资助项目(60472060)
公开日期	2010-11-29
内容类型	期刊论文
源URL	[http://210.72.131.170//handle/173321/2695]
专题	沈阳自动化研究所_机器人学研究室
作者单位	1.江苏科技大学 2.南京理工大学信息学院 3.中国科学院机器人学开放研究实验室
推荐引用方式 GB/T 7714	郑宇杰,杨静宇,吴小俊,等. 基于模糊集理论的二维线性鉴别分析新方法[J]. 中国工程科学,2007,9(2):49-53.
APA	郑宇杰,杨静宇,吴小俊,&李勇智.(2007).基于模糊集理论的二维线性鉴别分析新方法.中国工程科学,9(2),49-53.
MLA	郑宇杰,et al."基于模糊集理论的二维线性鉴别分析新方法".中国工程科学 9.2(2007):49-53.