重加权稀疏主成分分析算法及其在人脸识别中的应用_李东博.pdf

【文件属性】：
文件名称：重加权稀疏主成分分析算法及其在人脸识别中的应用_李东博.pdf
文件大小：453KB
文件格式：PDF
更新时间：2022-12-11 04:49:02
稀疏优化;  数据降维;  主成分分析算法;  人脸识别;  手写数字识别; 针对主成分分析算法获取的主成分向量不够稀疏，拥有较多的非零元这一问题，使用重加权方法对主成分分析算法进行优化，提出了一个新的提取高维数据特征的方法，即重加权稀疏主成分分析算法。首先将重加权?1最优化框架和LASSO回归模型引入到主成分分析算法数学模型中，建立新的数据降维模型；然后，使用交替最小化算法、奇异值分解算法、最小角回归算法等方式对模型进行求解；最后，使用人脸识别实验对算法效果进行了验证。在实验部分中使用K折交叉验证的方法针对ORL人脸数据集分别使用主成分分析算法和重加权稀疏主成分分析算法进行识别实验，实验表明重加权稀疏主成分分析算法在获取更稀疏解的情况下仍拥有着不弱于主成分分析算法的表现，平均识别准确率达到95.1%。与表现最好的sPCA-rSVD算法相比识别准确率提高了6.2个百分点。并且针对手写数字识别这一具体现实应用进行求解，获取到平均识别准确率96.4%的良好实验效果，证明了方法在人脸识别及书写数字识别方面的优异性。