论文研究一种新的拓展稀疏人脸识别算法.pdf

如果每类训练样本较充分，基于稀疏表示分类可以取得比较好的识别效果；当训练样本比较少时，它的分类效果可能就不理想。拓展的稀疏分类算法可以较好地解决这一问题，它在表示测试样本时，引入了训练样本的类内变量矩阵，利用它和训练样本集来表示测试样本，从而提高了人脸识别率。然而，该算法并没有考虑训练样本在表示测试样本中所起的作用，即所有训练样本的权重都等于1。采用高斯核距离对训练样本加权，提出用加权的训练样本和类内散度矩阵来共同表示测试样本，即基于加权的拓展识别算法。实验证明所提算法能够取得更好的人脸识别效果。