基于稀疏化双向二维主成分分析的人脸识别

• 作者: 张裕平 雒瑞森 龚晓峰
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 双向二维主成分分析 稀疏化 粒子群优化 支持向量机 人脸识别
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 图形图像处理
• 页码范围: 232-236
• 页数: 5页
• 分类号: TN971
• 字数: 2673字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053108

摘要

双向二维主成分分析((2D)2PCA)易受异常值影响,鲁棒性差,且所提取的特征向量是非稀疏的.针对上述不足,提出基于L1范数的稀疏双向二维主成分分析方法(2D)2 PCA-L1S.在(2D)2PCA目标函数中加入L1范数约束,以提高算法的抗干扰能力,同时引入弹性网约束,通过Lasso与Ridge惩罚函数实现稀疏性.在Feret和Yale数据库中进行基于最近邻的人脸分类、人脸重构和基于粒子群优化SVM参数的人脸识别实验,结果表明,相较于2DPCA、(2D)2PCA、(2D)2 PCA-L1等主成分分析方法,该方法能准确提取人脸主要信息,人脸识别和人脸重构效果较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龚晓峰	四川大学电气工程学院	79	565	12.0	21.0
2	张裕平	四川大学电气工程学院	2	0	0.0	0.0
3	雒瑞森	四川大学电气工程学院	17	16	2.0	4.0