Human Gait Recognition With Matrix Representation

PCA作为模式识别的常用方法，也存在着诸多不足之处。比如依然存在curse of dimensionality。又比如说在生物识别诸如人脸识别，步态识别等应用中，常遇到小样本问题，而要处理的数据维数又比较大，PCA有时不能有效地提取主要特征。
本篇论文中【1】，作者提出了一个CSA+DATER的scheme，替代传统的PCA+LDA的scheme，并成功地应用于人脸识别、步态识别等领域。这个方法组合的一个很重要的观点就是用矩阵（二阶张量）来表示原始数据——而不是如PCA常见的那样，用一个列向量来表示原始数据——这样，可以缓解“维数灾”带来的影响，以及在小样本的条件下更有效的提取主要信息。在论文最后的实验中，我们也可以看到，这种方法识别效果也是不错的。

[1]IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS FOR VIDEO TECHNOLOGY, VOL. 16, NO. 7, JULY 2006
Human Gait Recognition With Matrix Representation
Dong Xu, Shuicheng Yan, Dacheng Tao, Lei Zhang, Xuelong Li, and Hong-Jiang Zhang