基于极限学习机与子空间追踪的人脸识别算法

• 作者: 刘阳春 吴宏林 张建明
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 人脸识别 极限学习机 稀疏表示 稀疏编码 子空间追踪
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 168-173
• 页数: 6页
• 分类号: TP18
• 字数: 6606字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2016.01.030

摘要

极限学习机(ELM)与稀疏表示分类(SRC)算法被广泛应用于人脸识别中.ELM学习速度快,但不能很好地处理噪声图像,SRC对噪声具有鲁棒性,但计算复杂度较高.针对上述2种算法的优缺点,利用子空间追踪算法求解稀疏系数,提出一种改进的人脸识别算法,从而达到高识别率与快速的识别效果.该算法根据测试样本的ELM实际输出向量判断是否为噪声图像,干净图像直接依据ELM输出向量进行分类,噪声图像采用子空间追踪算法结合SRC框架来分类.在扩展的Yale B和ORL人脸数据库上的实验结果表明,该算法不仅识别率高,且识别速度快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张建明	长沙理工大学计算机与通信工程学院	25	87	6.0	7.0
2	吴宏林	长沙理工大学计算机与通信工程学院	17	60	5.0	6.0
3	刘阳春	长沙理工大学计算机与通信工程学院	10	31	3.0	5.0