10.11835/j.issn.1000-582X.2020.11.003
特征空间中的拓展稀疏人脸识别
基于稀疏表示分类(SRC,sparse representation for classification)是近年来模式识别领域中备受关注的一个研究热点.当每类训练样本较少时,SRC的识别效果往往不理想.为解决此问题,人们提出了拓展的稀疏表示分类算法.它引入了训练样本的类内变量矩阵,来补充每类训练样本信息.但是,该方法很难获取普遍存在于复杂数据如图像中的非线性信息.为此,提出了特征空间中的拓展稀疏人脸识别算法.该算法将样本集非线性映射到新的特征空间中,计算每个训练样本在表示测试样本时所做的贡献.根据贡献大小,给每个训练样本赋予一定的权重.同时,利用类内变量矩阵,共同表示测试样本.实验表明所提出的算法优于其它经典稀疏表示分类算法.
人脸识别、拓展的稀疏表示识别、特征空间、模式识别、稀疏分类表示
43
TP391.4(计算技术、计算机技术)
国家自然科学基金资助项目;江西省自然科学基金重点资助项目
2020-12-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
21-28