4种张量分解方法用于人脸识别的效果对比和分析

• 作者: 胡小平
• 来源期刊: 湖南城市学院学报（自然科学版）
• 学科: 工学
• 关键词: 人脸识别 张量分解 主成分分析 张量
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 数学与信息科学
• 页码范围: 67-72
• 页数: 6页
• 分类号: TP391.4
• 字数: 4466字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-7304.2017.01.14

摘要

张量的分解是主成分分析(PCA)在高阶上的扩展,目前几种张量分解方法各有优缺点,难以满足PCA的所有性质.基于4种经典的张量分解方法并没有在人脸识别中进行比较分析,利用ORL人脸数据库比较了4种经典的张量分解方法.实验结果表明,张量方法在压缩率大的情况下,其性能有显著的提高.不同的张量分解方法显示理论上分析Higher-Order Orthogonal Iteration(HOOI)的拟和度最好,但这4种方法用到实际人脸数据上并没有多大差别.考虑到Higher-Order Singular Value Decomposition(HO-SVD)方法相对比较简单,人脸识别研究时可选用此方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡小平	安庆师范大学计算机与信息学院	4	6	2.0	2.0