基于矩阵分数范数的人脸识别方法

• 作者: 殷洪友 王园萍
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 特征选择 矩阵范数 稀疏性 人脸识别
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 22-25
• 页数: 4页
• 分类号: TP301
• 字数: 3896字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2015.04.006

摘要

近年来,混合的分数矩阵范数l2,p(0< p≤1)在高维数据处理的特征选取中有很好的表现,其基本思想是利用了欧氏范数l2的光滑性和分数范数lp(0< p≤1)的稀疏性。大量实验数据表明,混合分数矩阵范数l2,p(0< p <1)不仅比传统的向量范数l1具有更好的联合稀疏性,对噪声的抗干扰性也更强。文中依据人脸数据的稀疏结构,建立基于混合矩阵范数l2,p(0< p≤1)极小化的特征选取模型,结合最近邻识别方法,提出了一类新的鲁棒人脸分类方法。在多个人脸数据集上的实验结果表明,基于分数矩阵范数的新模型比传统的人脸识别方法有更好的特征选择及分类效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷洪友	南京航空航天大学理学院	19	76	4.0	8.0
2	王园萍	南京航空航天大学理学院	2	1	1.0	1.0