Resumen

El análisis discriminante lineal de Fisher (FLDA) es un enfoque clásico de extracción de características lineales y reducción de dimensionalidad para el reconocimiento facial. Se sabe que la información de peso de la distribución geométrica de los datos de imagen juega un papel importante en los enfoques de aprendizaje automático. Sin embargo, el FLDA no emplea la información de peso de la distribución geométrica de las imágenes faciales en la etapa de entrenamiento. Por lo tanto, su precisión de reconocimiento se verá afectada. Para mejorar el poder de clasificación del método FLDA, este artículo utiliza una función de base radial (RBF) con orden fraccional para modelar la información de peso de la distribución geométrica de las muestras de entrenamiento y propone un nuevo criterio de discriminante de Fisher basado en la información de peso de la distribución geométrica. Posteriormente, se desarrolla un algoritmo de LDA (GLDA) basado en la información de peso de la distribución geométrica y se aplica con éxito al reconocimiento facial. Se seleccionan dos bases de

• Materias:Problemas de flujo Leyes de conservación Número de iteraciones Orden fraccional Función de autocorrelación
• Subjects:Flow problems Conservation laws Number of iterations Fractional order Autocorrelation function
• Palabras claves:Análisis discriminante lineal; Información de peso de la distribución geométrica; Reconocimiento facial; Aprendizaje automático; Función de base radial; Criterio discriminante de Fisher
• Keywords:Linear discriminant analysis; Geometric distribution weight information; Face recognition; Machine learning; Radial basis function; Fisher discriminant criterion