论文部分内容阅读
针对在人脸识别算法中,维数的增加往往会给算法的运算带来沉重负担的问题,提出了一种新的基于非相关多线性主成分分析（UMPCA）和线性判别分析（LDA）的人脸识别算法,算法在保证在降维的时候保留尽可能多的内部结构信息。UMPCA通过一张量至向量的过程,可直接获取原张量数据的绝大部分非相关特征,提取的特征再通过经典算法LDA处理。利用AT＆T人脸数据库对该算法进行了实验,实验数据分析显示该算法优于其他同类算法。