将模糊集的隶属度函数矩阵嵌入到二维主成分分析以及二维线性判别分析中,形成了一种基于模糊2DPLA的新方法。该方法首先通过基于模糊的KNN方法求出隶属度函数矩阵;然后将隶属度函数矩阵从图像矩阵的水平方向和垂直方向分别嵌入到二维主成分分析和二维线性判别分析中,从而更好地实现降维;最后采用基于矩阵的F-范数代替传统的基于向量的2-范数进行分类度量。实验阶段,采用Yale Face Database B,ORL和FERET人脸数据库进行了测试和验证。结果证明,该方法具有较好的鲁棒性,并能获得较高的识别率。
利用模糊集的思想,并融合了二维化、主成分分析以及线性判别分析的优点提出一种基于模糊2DPLA的新方法.该方法将模糊集的概念融入到二维主成分分析和线性判别分析里面,然后在图像矩阵的水平方向和垂直方向分别使用嵌入模糊集的二维线性判别分析和二维主成分分析进行降维,从而使数据具有较好的鲁棒性和自适应性,最后采用基于矩阵的F-范数代替基于向量的2-范数进行分类度量.实验阶段,本文采用Yale Face Database B、ORL和FERET数据库进行测试.实验结果证明该方法具有较好的鲁棒性同时能够获得较高的识别率.
