排序方式: 共有1条查询结果,搜索用时 0 毫秒
1
1.
针对稀疏表示分类(Sparse Representation Classification,SRC)运行时间过长和协从表示分类(Collaborative Representation Classification,CRC)仅仅利用人脸数据的全局特征的缺点,本文提出一种基于流形的局部加权协从表示方法(Locality Weighted CRC,LWCRC),并将其应用在人脸识别中。首先将训练样本中位于高维流形空间中的人脸特征进行局部加权投影到低维空间,随后通过Tikhonov正则化阵用训练样本加权表示测试样本,最后通过最小二乘(Residual Least Square,RLS)分类器进行分类。通过在AR、FERET和Extended-Yale b数据库上实验,本文提出的方法优于SRC、CRC、NRS等方法。 相似文献
1