文件名称：使用双稀疏局部Fisher判别分析的人脸识别
文件大小：1.12MB
文件格式：PDF
更新时间：2024-04-27 11:48:36
研究论文
提出了用于处理多峰问题的本地Fisher判别分析（LFDA）。 它不仅结合了用于保存高维数据局部结构的局部保留投影（LPP）的思想，而且还结合了用于获得判别力的Fisher判别分析（FDA）的思想。 但是，LFDA还存在采样不足的问题以及许多降维方法。 同时，投影矩阵不稀疏。 在本文中，我们提出了用于人脸识别的双稀疏局部Fisher判别分析（DSLFDA）。 该方法首先构造了一个具有非负约束的稀疏数据自适应图。 然后，DSLFDA将目标函数重新表述为回归型优化问题。 自然避免了欠采样问题，并且可以通过将回归类型问题添加到al（1）惩罚中来获得稀疏解。 在Yale，ORL和CMU PIE人脸数据库上进行了实验，以证明该方法的有效性。