文献类型：期刊文章

作　　者：王学军[1] 王文剑[1,2] 曹飞龙[3]

机构地区：[1]山西大学计算机与信息技术学院,太原030006 [2]计算智能与中文信息处理教育部重点实验室,太原030006 [3]中国计量大学理学院,杭州310018

出　　处：《计算机应用》

基　　金：国家自然基金资助项目(61673249;61672477;61503229);山西省回国留学人员科研资助项目(2016-004)~~

年　　份：2017

卷　　号：37

期　　号：11

起止页码：3145-3151

语　　种：中文

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

摘　　要：近年来基于稀疏表示的分类方法(SRC)成为了一个新的热点问题,在人脸识别领域取得了很大的成功。但基于稀疏表示的方法在重建待测样本时,有可能会利用与待测样本相差较大的训练样本,并且没有考虑到表示系数的局部信息,从而导致分类结果不稳定。提出一种基于自步学习的加权稀疏表示算法SPL-WSRC,在字典中有效剔除与待测样本相差较大的训练样本,并利用加权手段考虑样本间的局部信息,以提高分类精度和稳定性。通过3个典型的人脸数据集中的实验,实验结果表明,所提算法优于原稀疏表示算法SRC,特别是当训练样本足够多时,效果更明显。

关 键 词：基于稀疏表示的分类方法  分类  自步学习  加权系数 人脸识别

分 类 号：TP391.41]