不相关判别分析算法在人脸识别中应用

　　对高维数据降维并选取有效特征对分类起着关键作用。针对人脸识别中存在的高维和小样本问题，从特征选取和子空间学习入手，提出了一种L2.1范数正则化的不相关判别分析算法。该算法首先对训练样本矩阵进行奇异值分解；然后通过一系列变换，将原非线性的Fisher鉴别准则函数转化为线性模型；最后加入L2.1，范数惩罚项进行求解，得到一组最佳鉴别矢量。将训练样本和测试样本投影到该低维子空间中，利用最近欧氏距离分类器进行分类。由于加入了L2.1范数惩罚项，该算法能使特征选取和子空间学习同时进行，有效改善识别性能。在ORL、YaleB及PIE人脸库上的实验结果表明，算法在有效降维的同时能进一步提高鉴别能力。