對高維數(shù)據(jù)降維并選取有效特征對分類起著關(guān)鍵作用。針對人臉識別中存在的高維和小樣本問題，從特征選取和子空間學(xué)習(xí)入手，提出了一種L2.1范數(shù)正則化的不相關(guān)判別分析算法。該算法首先對訓(xùn)練樣本矩陣進(jìn)行奇異值分解；然后通過一系列變換，將原非線性的Fisher鑒別準(zhǔn)則函數(shù)轉(zhuǎn)化為線性模型；最后加入L2.1，范數(shù)懲罰項進(jìn)行求解，得到一組最佳鑒別矢量。將訓(xùn)練樣本和測試樣本投影到該低維子空間中，利用最近歐氏距離分類器進(jìn)行分類。由于加入了L2.1范數(shù)懲罰項，該算法能使特征選取和子空間學(xué)習(xí)同時進(jìn)行，有效改善識別性能。在ORL、YaleB及PIE人臉庫上的實驗結(jié)果表明，算法在有效降維的同時能進(jìn)一步提高鑒別能力。
?