资料下载
×
基于稀疏双向二维主成分分析的人脸识别方法
消耗积分:0 |
格式:pdf |
大小:2.81 MB |
2021-05-24
分享资料个
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。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
