10.13682/j.issn.2095-6533.2015.01.014
基于低秩矩阵分解和协作表示的人脸图像分类
为了降低干扰因素对人脸识别准确率的影响,提出一种基于低秩矩阵分解和协作表示的人脸图像分类算法.针对噪声阴影影响,使用鲁棒主分量分析(RPCA)对人脸数据进行低秩矩阵分解,去除干扰,得到较为干净的人脸图像.通过协作表示分类方法对经RPCA处理后的低秩分量图像进行分类,通过归一化的最小重构误差来判定测试样本的具体类标.在3个人脸数据集上对算法性能进行仿真测试,结果表明,该算法在10%到50%的标记率下较其他算法均能提升分类识别率.
低秩矩阵分解、协作表示、分类、监督学习、人脸识别
20
TP391.4(计算技术、计算机技术)
陕西省教育厅科学研究计划资助项目12JK0559
2015-05-22(万方平台首次上网日期,不代表论文的发表时间)
共5页
70-74