基于改进分数阶SVD的块协作表示的小样本人脸识别算法

• 作者: 刘宇凯 吴宏林 廖婷婷 张建明
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 人脸识别 改进的分数阶奇异值分解 基于块的协作表示分类 小样本问题
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 图形与图像
• 页码范围: 1237-1243
• 页数: 7页
• 分类号: TP391.4
• 字数: 5651字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2018.07.013

摘要

随着训练样本数目减少,传统人脸识别方法的性能会急剧下降,因此提出了改进的分数阶SVD(IFSVDR)的块协作表示算法,以提高小样本下人脸识别率.为了减少噪声对分类的干扰,对SVD算法进行改进,利用分数阶增大主要正交基权值,提高特征的判别力;对相对较小权值进行抑制,降低噪声的干扰.然后,将得到的特征图像用基于块的协作表示算法进行分类(PCRC).相对传统稀疏分类算法,PCRC融合了集成学习,能更好地解决小样本问题,且CRC计算复杂度低于SRC.在扩展的Yale B和AR人脸数据库上的实验表明,本文提出的算法在单样本的情况下也有较高的识别率.

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	长沙理工大学综合交通运输大数据智能处理湖南省重点实验室	25	87	6.0	7.0
5	吴宏林	长沙理工大学综合交通运输大数据智能处理湖南省重点实验室	17	60	5.0	6.0
9	廖婷婷	长沙理工大学综合交通运输大数据智能处理湖南省重点实验室	1	2	1.0	1.0
13	刘宇凯	长沙理工大学综合交通运输大数据智能处理湖南省重点实验室	2	2	1.0	1.0