文件名称：基于稀疏双向二维主成分分析的人脸识别方法
文件大小：2.81MB
文件格式：PDF
更新时间：2024-07-27 04:55:35
人脸识别
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-LI S。在（2D）2PCA目标函数中加入L1范数约東，以提高算法的抗干扰能力，同时引入弹性网约束，通过Laso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）PCA、（2D）2PCA-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。