-
题名基于KPCA和投影字典对学习的人脸识别算法
被引量：2
- 1
-
-
作者
邓道举
李秀梅
-
机构
杭州师范大学信息科学与工程学院
-
出处
《计算机系统应用》
2018年第5期145-150,共6页
-
基金
国家自然科学基金(61571174)
浙江省自然科学基金(LY15F010010)
-
文摘
相比基于稀疏约束的字典学习算法和识别方法,投影字典对学习(projective Dictionary Pair Learning,DPL)具有更快的学习速度和更高的识别率.为了进一步提高DPL的识别能力,本文提出了改进DPL算法K-DPL,即将核主成分分析KPCA与DPL相结合的识别方法.在K-DPL算法中,利用核方法,将样本映射到高维空间以解决非线性问题,再进行DPL训练,得到更具判别性的字典.ORL库上实验表明,不同训练比下K-DPL相比DPL识别率至少提高了1.5%且识别速度提高了约20倍.在扩展Yale B和AR库上,K-DPL相比DPL识别率分别提高0.3%和0.4%,且识别速度有所提高,表明K-DPL对光照和遮挡具有较好的鲁棒性.
-
关键词
投影字典对学习
核主成分分析
K-DPL
-
Keywords
projective dictionary pair learning
Kernel principal component analysis
K-DPL
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
