基于KPCA和投影字典对学习的人脸识别算法

• 作者: 李秀梅 邓道举
• 来源期刊: 计算机系统应用
• 关键词: 投影字典对学习 核主成分分析 K-DPL
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 145-150
• 页数: 6页
• 字数: 5165字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006348

摘要

相比基于稀疏约束的字典学习算法和识别方法, 投影字典对学习(projective Dictionary Pair Learning, DPL)具有更快的学习速度和更高的识别率. 为了进一步提高DPL的识别能力, 本文提出了改进DPL算法K-DPL,即将核主成分分析KPCA与DPL相结合的识别方法. 在K-DPL算法中, 利用核方法, 将样本映射到高维空间以解决非线性问题, 再进行DPL训练, 得到更具判别性的字典. ORL库上实验表明, 不同训练比下K-DPL相比DPL识别率至少提高了1.5%且识别速度提高了约20倍. 在扩展YaleB和AR库上, K-DPL相比DPL识别率分别提高0.3%和0.4%, 且识别速度有所提高, 表明K-DPL对光照和遮挡具有较好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李秀梅	杭州师范大学信息科学与工程学院	23	87	4.0	8.0
2	邓道举	杭州师范大学信息科学与工程学院	2	4	2.0	2.0