联合低秩和e_p稀疏约束矩阵回归的人脸识别算法

针对遮挡和光照等因素影响的人脸图像,提出一种具有低秩稀疏性的矩阵回归模型。该模型采用低秩性约束回归误差,采用p范数约束回归系数使其达到稀疏最大化,然后通过广义迭代阈值算法求解p范数,最后用交替方向法求解模型参数。在AR和Extended Yale B人脸数据库上的实验表明,与当前的回归算法相比,该算法具有更高的识别率,能够更好地消除由遮挡引起的结构性噪声,且对光照变化也具有更强的鲁棒性。

基于非凸低秩稀疏约束的船舶交通流量预测

为有效预测船舶交通流量,利用非凸低秩稀疏分解模型将交通流量数据分解成低秩和稀疏两部分;然后采用自回归移动平均(autoregressive integrated moving average,ARIMA)模型分别预测低秩和稀疏部分,进而合并得到最终的船舶交通流量预测结果。最后以天津港2003—2014年船舶交通流量历史数据为例进行模型验证和预测分析,实验结果表明,非凸低秩稀疏分解模型能反映船舶交通流量的季节变化规律,较灰色系统、神经网络及组合预测模型能够显著地提高预测精度,为船舶交通流量预测提供了一种新的预测方法。