计算机应用研究

作者：米建勋,林志凯,

单位：重庆邮电大学a.计算机科学与技术学院;b.图像认知重庆市重点实验室,重庆400065；

关键词：稀疏表示,人脸识别,联合表示,重构样本,

基金：国家自然科学基金资助项目(61472055)；重庆市自然科学基金资助项目(cstc2018jcyjAX0532)；；

稀疏表示分类方法在训练样本空间较大的情况下具有良好的分类效果，但是计算的时间成本较高。针对此问题，考虑构造对重构样本的l2-范数进行约束，使得重构样本中各类别分量之间的竞争加强，以起到组稀疏的效果，最后提高分类正确率。由于该方法可以直接得到闭式解，使得求解的计算成本大大减小，并且得到的系数稀疏程度与传统方法类似。在公开的人脸和物体图像数据集上和同类型方法的对比实验结果表明，该方法在复杂的条件下具有优秀的图像识别效果。

来源：2020年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第4期