基于稀疏表征的单样本人脸识别

提出2种基于稀疏表征SRC的单样本人脸识别方法。通过Shift或PCA重构的方法产生冗余样本,将生成的新样本作为训练样本,运用SRC进行识别分类。在ORL人脸库上的实验证明,在单样本情况下,2种方法分别比原SRC方法提高了5.56%和1.67%。与Shiftedimages+PCA、Shiftedimages+LDA、PCA重构人脸图像+LDA、PCA、LDA等方法做比较,实验表明,2个方法均具有良好的识别性能。

等同邻域投影

在有监督学习中,每类数据具有独特的特性且类与类之间是独立的.受此启发,提出了基于等同邻域的投影算法.新算法通过计算一组基函数为每类数据在低维空间中寻找高度对称的等同邻域空间.等同邻域可以通过构建正则单纯形得到,基函数可以通过凸优化得到.对于测试样本,可以通过基函数映射到低维的等同邻域空间,与各等同邻域空间中心的距离决定其类别归属,而不必计算与所有训练样本间的距离.实验证明了新方法的有效性.