10.11772/j.issn.1001-9081.2019071270
重加权稀疏主成分分析算法及其在人脸识别中的应用
针对主成分分析(PCA)算法获取的主成分向量不够稀疏,拥有较多的非零元这一问题,使用重加权方法对PCA算法进行优化,提出了一个新的提取高维数据特征的方法,即重加权稀疏主成分分析(RSPCA)算法.首先,将重加权?1最优化框架和LASSO回归模型引入到PCA算法数学模型中,建立新的数据降维模型;然后,使用交替最小化算法、奇异值分解算法、最小角回归算法等方式对模型进行求解;最后,使用人脸识别实验对算法效果进行了验证.在实验中使用K折交叉验证的方法针对ORL人脸数据集分别使用PCA算法和RSPCA算法进行识别实验.实验结果表明,RSPCA算法在获取更稀疏解的情况下仍拥有着不弱于PCA算法的表现,平均识别准确率达到95.1%,所提算法与表现最好的sPCA-rSVD算法相比,识别准确率提高了6.2个百分点;针对手写数字识别这一具体现实应用进行求解,获取到平均识别准确率96.4%的良好实验效果.证明了所提方法在人脸识别及书写数字识别方面的优异性.
稀疏优化、数据降维、主成分分析算法、人脸识别、手写数字识别
40
TP391.4(计算技术、计算机技术)
陕西省农技推广服务重大专项2016XXPT-00
2020-04-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
717-722