文献综述
[1]程正东, 章毓晋等，“常用 Fisher 判别函数的判别矩阵研究”, 自动化学报，2010, vol.36, no.10, pp.1361-1370.
综述：
在线性判别分析 (Linear discriminant analysis, LDA) 中, 比迹函数、比值函数和迹比函数是三种常用的 Fisher判别函数, 每一个判别函数都可得到一个正交判别(Orthogonal discriminant, OD) 矩阵和一个不相关判别 (Uncorrelateddiscriminant, UD) 矩阵. 本文的主要目的是对这 6 种判别矩阵的获取方法及其性质进行系统分析, 拟期更清楚地认识它们的联系与区别. 当类内协方差阵非奇异时, 比迹、比值函数的判别矩阵和迹比函数的 OD 矩阵的获取方法及性质已有研究, 本文对迹比函数的 UD 矩阵的获取方法及性质进行了补充研究, 得到了迹比函数的 UD 矩阵与比迹、比值函数的 UD 矩阵是同一矩阵以及迹比函数的 UD 矩阵的判别函数值不超过它的 OD 矩阵的结论. 当类内协方差阵奇异时, 6 种判别矩阵的获取方法遇到了困难, 为克服这一困难, 本文首先用极限的思想重新定义了这三种判别函数, 然后采用求极限的方法得到了 6 种判别矩阵的获取方法. 从所得的获取方法可以看出, 当所需的判别向量均在类内协方差阵的零空间中时, 6 个判别矩阵是同一矩阵。
[2]J. Yang, D. Zhang, A. F. Frangi, and J.Y. Yang, “Two-Dimensional PCA: A New Approach to Face Representation and Recognition,” IEEE Transactions on Pattern Analysis and Machine Intelligence, 2004, vol. 26, no. 1, pp. 131-137.
综述：
本文提出了一种新的二维主成分分析(2DPCA)技术。与PCA不同的是，2DPCA是基于二维图像矩阵而不是一维向量，因此在提取特征之前不需要将图像矩阵转换成向量。利用原始图像矩阵直接构造图像协方差矩阵，并利用其特征向量进行图像特征提取。为了测试和评估2DPCA的性能，本文在ORL、AR和Yale三个人脸图像数据库上进行了一系列的实验。使用2DPCA比PCA有更高的识别率。实验结果还表明，使用二分量主成分分析方法提取图像特征比使用主成分分析方法计算效率更高。
[3]刘胜蓝, 闫德勤, “一种新的全局嵌入降维算法,” 自动化学报, 2011, vol.7, no.37, pp. 828-835.
综述：
