基于LLE與Fisher線性判別的人臉識別算法

摘 要：為了提高基于流形學習理論人臉識別算法的識別率，采用一種將非線性降維與Fisher線性判別相結合的方法。首先利用鄰域嵌入算法，將人臉圖像測試和訓練集的維數降低到合適維度，然后使用Fisher線性判別進行人臉數據集特征的提取，最后將測試集人臉圖像特征和訓練集人臉圖像特征，使用最近鄰分類器進行分類。在公開的Olivettifaces和ORL人臉圖像數據庫上，分別將該算法與幾種經典基于流形學習理論的人臉識別算法進行了對比實驗，實驗結果表明當近鄰數比較大時本算法識別率是最高的。