基于Fisher准则字典学习的压缩感知人脸识别算法.pdfVIP

基于Fisher准则字典学习的压缩感知人脸识别算法.pdf

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于Fisher准则字典学习的压缩感知人脸识别算法.pdf

第27 卷 第4 期 模式识别与人工智能 Vol.27 No.4 2014年4月 PRAI Apr. 2014 基于Fisher 准则字典学习的 压缩感知人脸识别算法∗ 曾凌子 尹 东 张 荣 甄海洋 (中国科学技术大学信息科学技术学院 合肥230027) 摘 要 稀疏表示人脸识别算法在字典构造时易丢失大量分类信息且L1范数最小化计算量较大.针对此问题,提 出一种基于Fisher准则字典学习和最小二乘法的压缩感知人脸识别算法.该算法首先由Fisher判别准则对训练样 本训练得到字典;然后通过最小二乘法解L2范数最小化问题,得到人脸在该字典上的编码系数;最后结合各类别 重构误差和编码系数对人脸分类.在公共人脸库上的测试结果表明,文中算法有较高的识别率,并有效提高识别 速度. 关键词 Fisher判别准则,压缩感知,人脸识别,最小二乘法 中图法分类号 TP391.4 FaceRecognitionviaCompressiveSensingBasedon FisherDiscriminationDictionaryLearning ZENGLing-Zi,YINDong, ZHANGRong,ZHENHai-Yang (SchoolofInformationScienceandTechnology,UniversityofScienceandTechnologyofChina, Heifei230027) ABSTRACT Sparserepresentationbasedclassification(SRC) algorithmlosesmuchdiscriminativeinformation hidden inthetrainingsampleswhenconstructingdictionaryandtheL1-minimizationapproachtosolving the coding coefficient is computationally expensive. Aiming at these problems,a face recognition algorithmvia compressive sensing based on Fisherdiscrimination dictionary learning and least square method isproposed. Thetrainingsamplesare trained by Fisherdiscrimination criterion and thusthe structureddictionaryisacquired. Then,thecodingcoefficientsareobtainedbysolvingL2-minimization problem through regularized least square method. Finally, the face is identified through the coding coefficientandreconstructionerror. Theexperimentalresultsclearlyshowthattheproposedmethodhasa betteraccuracyrateandimprovestherecognitionspeedcomparedwiththeexistingsparserepresentation classificationmethods. KeyWord

文档评论(0)

heroliuguan + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:8073070133000003

1亿VIP精品文档

相关文档