《稀疏化的雙向二維主成分人臉圖像識別》是張裕平、龔曉峰等編者撰寫的一篇論文。
基本介紹
- 中文名:稀疏化的雙向二維主成分人臉圖像識別
- 發表時間:2019-01-24
- 論文來源:計算機工程
- 分類號:TP391.41;TP181
- 作者:張裕平、龔曉峰等
論文摘要,引文格式,
論文摘要
雙向二維主成分分析(Two-direction Two-dimensional Principle Component Analysis,(2D)PCA)是主成分分析(Principle Component Analysis,PCA)在二維空間上的改進。但是(2D)PCA和PCA方法一樣,易受異常值影響,魯棒性差,且所提取的特徵向量是非稀疏的,所以本文提出了基於L1範數的稀疏的雙向二維主成分分析方法((2D)PCA-L1S),在目標函式中加入L1範數約束,可以提高算法的抗干擾能力,並在目標函式中引入彈性網,加入Lasso與Ridge懲罰因子來實現稀疏性。基於Feret、Yale庫,將(2D)PCA-L1S)方法套用於人臉圖像分析,並與其它方法做比較,實驗結果驗證了該方法的優越性;基於Yale庫,採用(2D)PCA-L1S方法提取人臉特徵,並結合粒子群最佳化SVM參數方法進行人臉識別實驗,實驗取得了較好的識別效果。
引文格式
張裕平,龔曉峰,雒瑞森.稀疏化的雙向二維主成分人臉圖像識別[J/OL].計算機工程:1-7