基于改进初始化判别K—SVD方法的人脸识别
【出 处】:《
计算机工程与科学
》
CSCD
2014年第36卷第1期 150-154页,共5页
【作 者】:
薛科婷
;
冯晓毅
【摘 要】
基于稀疏表示的人脸识别问题希望字典同时具有良好的表示能力和较强的辨识性。采用判别式K-SVD(D-ksvd)算法,可训练得到较好的字典和线性判别函数,但该算法中的初始化字典是从各类样本中选择部分样本经K-SVD方法得到的,不能较完整地表示所有样本的特性,影响了基于该初始字典的训练字典的表示能力和分类器的辨识性。在字典初始化方法上进行了改进,先训练类内字典再级联成新的初始化字典,由于类内训练字典是各类别的优化字典,降低了训练字典的误差,提高了训练字典与线性分类器的判别性,在保持较快识别速度的同时,提高了人脸识别率。
相关热词搜索:
上一篇:经验模式分解回顾与展望
下一篇:异构装配信息的统一表达方法研究