自适应多阶段线性重构表示分类的人脸识别

• 作者: 钱剑滨 陈秀宏
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 人脸识别 自适应 多阶段 线性重构 表示系数 分类方法 稀疏表示 协同表示 模式识别
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 机器感知与模式识别
• 页码范围: 964-971
• 页数: 8页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11992/tis.201904002

摘要

针对以往基于表示的分类(RBC)方法在类别数较多的数据集上性能不佳的问题,提出了一种自适应多阶段线性重构表示的分类(MPRBC)方法.在每一阶段,首先得到L1范数或L2范数正则化的重构表示系数,然后将表示系数按类求和,根据和的大小来选取相似类,并保留相似类中的全部样本作为下一阶段的训练样本.该策略最终产生具有高分类置信度的稀疏类概率分布,根据类系数的大小自适应选择相似的类,提高了分类计算的效率.实验结果表明,该方法分类性能优于其他RBC方法,特别是在类别数较多的数据集上性能提升明显,并且CPU时间保持相对较低水平.

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		90	480	12.0	17.0
2	钱剑滨		1	0	0.0	0.0