Incremental Linear Discriminant Analysis for Face Recognition(基于人脸识别的增量式LDA的部分翻译)

原文是Incremental Linear Discriminant Analysis for Face Recognition;**IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS—PART B: CYBERNETICS, VOL. 38, NO. 1, FEBRUARY

摘要：降维法已经成功的应用于人脸识别领域，在众多的降维法之内，LDA(FDA)是一种很受欢迎的监督式降维算法，并且有许多的基于LDA的人脸识别算法和系统在过去十年已经被提出。然而，基于LDA的人脸识别系统仍然遭受着可扩展性的问题。为了克服这种问题，一种增量式的途径就是一种自然地解决方案。在发展增量式LDA(ILDA)的过程中，主要的困难是去处理类内散布矩阵的逆。The main difficulty in developing the incremental LDA (ILDA) is to handle the inverse of the within-class

scatter matrix.在本文中，基于generalized singular value decomposition LDA (LDA/GSVD)LDA的广义奇异值分解，我们开发了一种新的ILDA算法，称为GSVD-ILDA。（Different from the existing techniques in which the new projection matrix is found in a restricted subspace, the proposed GSVD-ILDA determines the projection matrix in full space.）在现有的技术中，新的投影矩阵是在有限的空间内找到的，而于这种方法不同的是，我们所提出的GSVD-ILDA是在全空间内确定的投影矩阵。我们完成了大量的实验将所提出的GSVD-ILDA算法和LDA/GSVD以及现在存在的ILDA方法在人脸识别技术人脸数据库和Carneggie Mellon University Pose, Illumination,and Expression face database进行比较。实验结果表明所提出的GSVD-ILDA算法在达到与LDA/GSVD同样的性能时花费更少的计算复杂度。实验结果也表明所提出的LDA/GSVD比其他的现在的ILDA有更好的分类效果。