文档介绍：西安电子科技大学
学位论文创新性声明

秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在
导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标
注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成
果;也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的
材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说
明并表示了谢意。
申请学位论文与资料若有不实之处,本人承担一切相关责任。

本人签名: 日期

西安电子科技大学
关于论文使用授权的说明

本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究
生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。本人保证毕
业离校后,发表论文或使用论文工作成果时署名单位仍然为西安电子科技大学。
学校有权保留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全
部或部分内容,可以允许采用影印、缩印或其它复制手段保存论文。(保密的论文
在解密后遵守此规定)

本人签名: 日期
导师签名: 日期
摘要
特征提取是人脸识别最基础而又非常关键的问题之一,在过去的几十年内取
得了长足的进展,其中基于子空间的特征提取方法是目前的研究热点。论文从线
性子空间算法—线性判别分析(Linear Discriminant Analysis,LDA)入手,借助
流形学****的思想,深入研究与分析了基于图论的判别特征提取及正交求解。论文
的主要内容和贡献有:
LDA 不能有效地保持数据的多样性结构,导致几何结构描述不稳定和
过学****等问题,提出了正交改进判别分析(Orthogonal Improved Discriminant
Analysis,OIDA)算法。该算法利用邻接图描述数据间的变化关系,给出了刻画
局部多样性几何属性的离散度—多样性离散度,并将其嵌入到 LDA 目标函数中,
建立了一个简单明了的判别特征提取准则,最后给出了正交求解算法。实验结果
证实了所提方法的有效性。

部相似几何属性,导致识别率不是足够好等问题,提出了正交增强判别分析
(Orthogonal Enhance Discriminant Analysis,OEDA)算法。该算法利用两个邻接
图分别描述类内局部相似性几何属性和类间局部判别几何属性,并给出了度量相
似性和判别几何特征的局部离散度。在此基础上,将局部离散度嵌入到OIDA目
标函数中,建立了融合局部和全局几何结构的判别准则。实验结果证实了所提方
法的有效性。

比较复杂等问题,提出了二维正交改进判别分析算法(Two-dimensional Orthogonal
Improved Discriminant Analysis,2DOIDA)。该算法直接从图像矩阵估算图像的局
部多样性离散度矩阵、类内离散度矩阵和类间离散度矩阵,有效地避免了小样本
问题,降低了计算复杂度,实验证明了算法的有效性。

关键词:特征提取差异信息流形学****局部几何结构判别信息
Abstract
Feature extraction is one of the most fundamental and key problems in face
recognition. Many approaches have been proposed for feature extraction during the last
decades, among which the class of approaches based on subspace analysis has been an
active topic in face recognition. This dissertation starts with Linear Discriminant
Analysis (LDA) and makes an in-depth study of the diversity representation based on
graph theory, and then presents an orthogonal solving for feature extraction. The main
work and contributions of this dissert