(机器学习作业基于稀疏表示的数据缩减算法.docVIP

基于稀疏表示的 数据缩减 学 院： 学 号： 姓 名： 年 级： 导 师：  目 录 1 稀疏表示理论 3 1.1 稀疏表示基本理论 3 1.2 基于稀疏表示的人脸识别及实验 4 2 基于稀疏表示的数据缩减算法 6 2.1 算法思想 6 2.1.1 实例分析 7 2.1.2 对比分析 8 2.2 人脸数据库介绍及实验仿真结果 10 2.2.1 ORL库[2]的仿真结果与分析 10 2.2.2 PIE人脸数据库[7,8]的仿真结果与分析 14 2.2.3 Extended Yale b库的仿真结果及分析 16 3 小结 18 参考文献 19 附录 论文程序源代码 20  1 稀疏表示理论 1.1 稀疏表示基本理论 稀疏表示广泛的应用，例如模式识别等。Wright et al[1]等提出基于稀疏表示的人脸识别方法Sparse Representation based Classification，SRC范数来求解该稀疏系数，分类时将测试样本归属于最小残差的一类，在图像识别中取得了较好的结果。 假测试图像，（表示图片长度方向像素个数，表示图片高度方向像素个数），将整个图像库中的所有训练样本直接作为字典，测试样本可以通过字典中的原子进行线性表示。而理论上每个训练样本仅与字典中同类的所有原子相关性最