基于L1图的联合稀疏鲁棒判别回归

• 作者: 牛强 陈秀宏
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 回归算法 L1图 特征提取 L2,1范数 鲁棒性 人脸识别
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 计算与测试
• 页码范围: 118-121,125
• 页数: 5页
• 分类号: TP391.4
• 字数: 4382字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2019)08-0118-04

摘要

常用的回归模型因基于L2范数而对异常数据较为敏感,且算法得到的投影数量受到样本类别数的限制.为解决这些问题,提出了一种基于L1图的联合稀疏鲁棒判别回归模型.基于稀疏表示构造L1图,这样可自适应地寻找数据的近邻,并保留数据的局部几何结构;模型利用L2,1范数表示损失函数并将L1图融入其中以增强算法的鲁棒性,而L2,1范数惩罚项能保证联合稀疏性和有效特征提取的鲁棒性;最后采用交替迭代方法去求解该模型.在含有异常值的人脸库上进行实验,说明算法在有效降维的同时能进一步提高判别能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈秀宏	江南大学数字媒体学院	90	480	12.0	17.0
2	牛强	江南大学数字媒体学院	6	3	1.0	1.0