文件名称：基于零空间的判别式稀疏表示大幅度人脸识别
文件大小：1.61MB
文件格式：PDF
更新时间：2024-05-31 04:27:36
研究论文
在本文中，我们提出了一种新颖的子空间学习算法，称为基于零空间的判别式稀疏表示大余量（NDSLM）。 有两个贡献在本文中。 首先，我们提出了一个新的期望获取大余量子空间的邻域信息学习，即邻里内散布和邻里间通过稀疏重建来建模散点图来自同一类别和不同类别的样本的权重， 分别。 由于邻居信息是由稀疏表示可以捕获数据中的非线性， 所提出的方法具有更多的判别信息比起传统的大边距学习方法期望值使用欧几里得距离等。第二，大裕度信息集成到Fisher准则模型中使得NDSLM的辨别能力进一步增强。 NDSLM通过解决空空间中的特征值问题。 在ORL，耶鲁大学， AR，扩展Yale B和eMU PIE五个人脸数据库执行以评估提出的算法和结果证明NDSLM的有效性。