基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
将稀疏表示应用于脸耳多模态身份辨识,比较和分析采用不同融合方法的多模态稀疏表示识别算法的准确性和鲁棒性,为多模态稀疏表示融合识别算法设计提供理论和方法指导.结合多模态融合层次理论与稀疏表示分类的技术特点,提出3种多模态稀疏表示识别方法:直接特征融合法、间接特征融合法和匹配层融合法.从多模态融合角度看,3种方法的不同在于融合层次或融合策略不同;从稀疏表示角度看,它们的主要区别在于稀疏表示时脸和耳特征耦合的程度不同.在3个多模态数据库上的实验结果表明:所提3种方法在识别准确率和鲁棒性上远优于采用NN、NFL和SVM等分类器的融合识别方法;当脸耳图像中噪声不显著时,3种方法性能相当,当噪声严重时,匹配层融合识别方法优于特征层融合方法.
推荐文章
基于稀疏表示与特征融合的人脸识别方法
人脸识别
稀疏表示
低秩恢复
特征融合
鲁棒性
泛化性能
基于增强字典稀疏表示分类的SAR目标识别方法
合成孔径雷达
目标识别
增强字典
稀疏表示分类
基于稀疏表示的快速l2-范数人脸识别方法
人脸识别
稀疏表示
特征融合
字典缩减
正则化最小二乘法
基于水声环境空间中多模态深度融合模型的目标识别方法研究
水下目标识别
多模态
水声环境
深度模型
目标特性
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 脸耳多模态稀疏表示融合识别方法比较
来源期刊 西华大学学报(自然科学版) 学科 工学
关键词 多模态识别 稀疏表示 人脸识别 人耳识别
年,卷(期) 2016,(4) 所属期刊栏目 计算机软件理论、技术与应用
研究方向 页码范围 17-22,29
页数 7页 分类号 TP391.41
字数 5865字 语种 中文
DOI 10.3969/j.issn.1673-159X.2016.04.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黄增喜 西华大学计算机与软件工程学院 6 4 2.0 2.0
2 于春 西华大学计算机与软件工程学院 5 13 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (35)
共引文献  (7)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(8)
  • 参考文献(0)
  • 二级参考文献(8)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(4)
  • 参考文献(2)
  • 二级参考文献(2)
2014(3)
  • 参考文献(1)
  • 二级参考文献(2)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多模态识别
稀疏表示
人脸识别
人耳识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
西华大学学报(自然科学版)
双月刊
1673-159X
51-1686/N
大16开
四川省成都市金牛区
1982
chi
出版文献量(篇)
3399
总下载数(次)
6
总被引数(次)
16135
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导