10.3969/j.issn.1674-9456.2016.05.007
基于稀疏滤波和神经网络的人脸识别算法
针对经典的主成分分析加距离测度人脸识别算法随着光照、角度、表情变化等干扰因素而出现的性能下降问题,从特征优化选择的角度,并结合神经网络非线性映射能力强、可以学习到数据局部分布特征的优点.论文提出了结合稀疏滤波和神经网络(SF-BPNN)的算法,该算法先采用稀疏滤波的特征竞争特质得到紧凑的初级特征表达,然后采用反向传播神经网络(BPNN)进行非线性分类,从而提高识别率.实验结果表明,论文提出的算法在较FERRET数据库下可取得较好的人脸识别效果.
人脸识别、稀疏滤波、神经网络、SF-BPNN、主成分分析
7
TP3;TP7
2016-08-02(万方平台首次上网日期,不代表论文的发表时间)
共4页
28-31