| 基于稀疏化双向二维主成分分析的人脸识别 |
| |
| 引用本文： | 张裕平,龚晓峰,雒瑞森. 基于稀疏化双向二维主成分分析的人脸识别[J]. 计算机工程, 2019, 45(12): 232-236 |
| |
| 作者姓名： | 张裕平 龚晓峰 雒瑞森 |
| |
| 作者单位： | 四川大学电气工程学院,成都,610065 |
| |
| 摘 要： | 双向二维主成分分析((2D)~2PCA)易受异常值影响,鲁棒性差,且所提取的特征向量是非稀疏的。针对上述不足,提出基于L_1范数的稀疏双向二维主成分分析方法(2D)~2PCA-L1S。在(2D)~2PCA目标函数中加入L_1范数约束,以提高算法的抗干扰能力,同时引入弹性网约束,通过Lasso与Ridge惩罚函数实现稀疏性。在Feret和Yale数据库中进行基于最近邻的人脸分类、人脸重构和基于粒子群优化SVM参数的人脸识别实验,结果表明,相较于2DPCA、(2D)~2PCA、(2D)~2PCA-L1等主成分分析方法,该方法能准确提取人脸主要信息,人脸识别和人脸重构效果较好。
|
| 关 键 词： | 双向二维主成分分析 稀疏化 粒子群优化 支持向量机 人脸识别 |
Face Recognition Based on Sparse Two-Direction Two-Dimensional Principle Component Analysis |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
