基于加权稀疏近邻表示的人脸识别

• 作者: 翟素兰 谢文浩
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 稀疏表示 特征提取 加权近邻 人脸识别
• 年，卷（期）: 2016,（2）
• 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: TP391.4
• 字数: 2940字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2016.02.005

摘要

稀疏表示的人脸识别目前受到广泛的关注。针对现有稀疏近邻表示算法没有考虑不同训练样本对测试样本的重构权重，同时为了提高基于稀疏近邻表示人脸识别的识别率，文中提出一种加权稀疏近邻表示的人脸识别算法。首先在每一类训练样本中寻找与测试样本最近的k个样本，构成这一类新的训练样本；然后在每一类中都进行同样的操作，从而构造一个新的训练字典，在求解l1范数最小化的稀疏系数时，为每一个新的训练样本对应的稀疏系数赋上一个权值；最后在新的字典下，根据重构误差最小化来完成识别任务。在Yale B数据库和ORL数据库上的大量实验结果表明，文中所提算法与KNN算法和稀疏近邻表示算法相比，取得了较高的识别率，证明了该方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	翟素兰	安徽大学数学科学学院	27	129	6.0	9.0
2	谢文浩	安徽大学数学科学学院	4	16	3.0	4.0