An Ensemble Classifier using Two Dimensional LDA

Cheong Hee Park

추천

검색

질문

자료유형: 학술저널

저자정보: Cheong Hee Park (충남대학교)

저널정보: 한국멀티미디어학회 멀티미디어학회논문지 JOURNAL OF KOREA MULTIMEDIA SOCIETY Vol.13 No.6

발행연도: 2010.6

수록면: 817 - 824 (8page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Linear Discriminant Analysis (LDA) has been successfully applied for dimension reduction in face recognition. However, LDA requires the transformation of a face image to a one-dimensional vector and this process can cause the correlation information among neighboring pixels to be disregarded. On the other hand, 2D-LDA uses 2D images directly without a transformation process and it has been shown to be superior to the traditional LDA. Nevertheless, there are some problems in 2D-LDA. First, it is difficult to determine the optimal number of feature vectors in a reduced dimensional space. Second, the size of rectangular windows used in 2D-LDA makes strong impacts on classification accuracies but there is no reliable way to determine an optimal window size. In this paper, we propose a new algorithm to overcome those problems in 2D-LDA. We adopt an ensemble approach which combines several classifiers obtained by utilizing various window sizes. And a practical method to determine the number of feature vectors is also presented. Experimental results demonstrate that the proposed method can overcome the difficulties with choosing an optimal window size and the number of feature vectors.

#Dimension reduction #Ensemble classifier #Face recognition #Two-dimensional LDA

참고문헌 (13)

참고문헌 신청

1. [학술지(정기간행물)] - P.Belhumeur / 1997 / Eigenfaces v.s.Fisherfaces:Recognition using class specific linear projection / IEEE transactions on pattern analysis and machine learning, 19 (7) : 711 ~ 720

2. [단행본] - P. Howland / 2003 / A comprehensive survey of text mining, chapter: Cluster-preserving dimension reduction methods for efficient classification of text data / Springer-Verlag : 3 ~ 23

3. [학술지(정기간행물)] - H.Yu / 2001 / A direct LDA algorithm for high-dimensional data-with application to face recognition / Pattern recognition 34 : 2067 ~ 2070

4. [학술지(정기간행물)] - J.Yang / 2003 / Why can LDA be performed in PCA transformed space? / Pattern recognition 36 : 563 ~ 566

5. [학술지(정기간행물)] - J.Yang / 2004 / Two-dimensional PCA:a new approach to appearance-based face representation and recognition / IEEE transactions on pattern analysis and machine intelligence 26 (1) : 131 ~ 137

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Cheong Hee Park

소속기관 충남대학교

주요연구분야 공학 > 컴퓨터학 TOP 10% 공학 > 산업공학

논문수 54 이용수 3,806

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2012-004-004438216

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (13)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)