روش جداساز خطی Linear Discriminant Analysis
در این روش از داده های هر کلاس برای جداسازی داده ها استفاده می شود. هدف در این جداساز استفاده از تعلق داده ها به هر کلاس است. به این صورت که داده های هر کلاس هرچه بیشتر به هم نزدیک و داده های بین کلاس ها هرچه بیشتر از هم جدا شوند. برای این کار دو ماتریس پراکندگی درون کلاسی Sw و بین کلاسی Sb تعریف می شود. هدف ماکزیمم کردن SW^-1 × SB است.
برای مطالعه بیشتر این مقالات رو بخوانید.
یک فایل فارسی که توضیحات مختصری درباره این روش داده است. (دانلود از ضميمه)
K. Etemad, R. Chellappa, Discriminant Analysis for Recognition of Human Face Images, Journal of the Optical Society of America A, Vol. 14, No. 8, August 1997, pp. 1724-1733
لینک دانلود
P.N. Belhumeur, J.P. Hespanha, D.J. Kriegman, Eigenfaces vs. Fisherfaces: Recognition using Class Specific Linear Projection, Proc. of the 4th European Conference on Computer Vision, ECCV'96, 15-18 April 1996, Cambridge, UK, pp. 45-58
لینک دانلود
این هم پایان نامه های دانشگاه کلورادو است که از این روش استفاده کرده اند و تقریبا کامل هستند.
لینک دانلود