文献类型：期刊文章

作　　者：赵璐[1] 孙艳丰[1] 尹宝才[1]

ZHAO Lu SUN Yanfeng YIN Baocai(Beijing Key Laboratory of Multimedia and Intelligent Software Technology, College of Metropolitan Transportation, Beijing University of Technology, Beijing 100124, China)

机构地区：[1]北京工业大学城市交通学院多媒体与智能软件技术北京市重点实验室,北京100124

出　　处：《北京工业大学学报》

基　　金：国家自然科学基金资助项目(61370119;61171169);北京市自然科学基金资助项目(4132013);北京市教育委员会重点资助资助项目(KZ201310005006)

年　　份：2017

卷　　号：43

期　　号：6

起止页码：873-882

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSCD、CSCD_E2017_2018、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：在稀疏表示理论中,如何构造字典和更新字典,而能得到一个辨别能力强的字典,始终是一个重要的开放问题,针对这一问题,提出了基于字典原子与类标签关系的字典学习方法.建立一个基于两者关系的矩阵,随着更新字典原子而更新关系矩阵,通过更新关系矩阵来构成字典自适应地确定原子与类标签的关系,提高字典的判别能力,为后续的分类识别提供必要的保证.该方法既避免了共享字典判别能力差的问题,又避免了因单独训练字典而占用大量时间和内存的缺点.在构建字典模型中,引用l21范数约束残差值来去除噪声,使之既能处理稀疏噪声,也能处理非稀疏噪声,提高了字典对噪声的鲁棒性.大量的实验结果证明,该方法较其他的字典学习方法鲁棒性强、识别率高.

关 键 词：人脸识别 稀疏表示  关系矩阵 字典学习

分 类 号：TP391.41]