子空间人脸识别的随机抽样

子空间人脸识别的随机抽样(中文5000字,英文PDF)
  摘要. 子空间人脸识别通常存在两个问题（1）与高维特征向量相比，训练样本集小。（2）对于子空间维度，它的性能敏感。因而，我们开发一个基于随机抽样的集成学习框架，随机抽样分类系统的全部三个关键组成部分：特征空间，训练样本和子空间参数。Fisherface和Null SpaceLDA（N-LDA）是处理样本空间小的两个常规方法。但在许多情况下，这些LDA分类器过度拟合训练集却忽视了一些有用的判别信息。通过分析两种LDA分类器的不同的过度拟合的问题，我们采用随机子空间和装袋来分别改善它们。通过特征向量与训练样本的随机抽样，构造多个稳定的Fisherface和N-LDA分类器，运用融合规则整合两组互补的分类器，因而几乎所有的判别信息被保留下来。此外，在我们的算法中，我们进一步在参数选择中应用随机抽样来克服选择最优参数的困难。然后，我们针对多个特征的整合，使用了开发随机抽样框架。最后，构造出一个强大的整合了形状、质地、伽柏响应的随机抽样人脸识别系统。
关键字：随机子空间方法，套袋，LDA，人脸识别，子空间分析