基于矩阵分数范数的人脸识别方法.pdf

《基于矩阵分数范数的人脸识别方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第25卷第4期计算机技术与发展Vo1．25No．42015年4月COMPUTERTECHNOLOGYANDDEVELOPMENTApr．2015基于矩阵分数范数的人脸识别方法王园萍，殷洪友(南京航空航天大学理学院，江苏南京210000)摘要：近年来，混合的分数矩阵范数(0

2、数据的稀疏结构，建立基于混合矩阵范数(0

3、MatrixNormWANGYuan-ping，YINHong-you(CollegeofScience，NanjingUniversityofAeronauticsandAstronautics，Nanjing210000，China)Abstract：Recently，mixedfractionalmamxnOITII12(0

4、ideaiscombiningthesmoothnessofEuclidnormZ2andthesparsityofnorml(O

5、presentedtOselectfeatureinfacedata．Combinedwiththenearestneighborclassificationmethod，arobustfacerecognitionmethodisproposed．Theextensiveexperimentsonfacedatasetshaveshowedthatthef2(0

6、lassification．effect．Keywords：featureselection；fractionalmatrixnorm；sparsity；facerecognition0引言数的稀疏性和z，范数的光滑性，被广泛应用于计算机特征选择是指把原始多波段测量的参数，经过变视觉、基因表达分析与多任务学习等多个领域的高维换重新组合，从中选定对识别分类更有效的特征参数数据特征选择。其中，Nie等在文献[7]中提出了一个的过程。特征选择在人脸识别领域非常重要，直接影针对f极小化模型的有效算法，并给出了全局收敛响人脸的识别

7、分类效果，因此研究行之有效的特征选性，对基因表达分析数据的特征选择实验结果表明，该择算法是必要的。人脸图像大都维数较高，许多方法是鲁棒有效的。实际上，大量的计算经验表特征变量通常是冗余的甚至是噪声“，对识别分类明，向量分数范数(z。(0

8、ang等建立了更广泛稀疏正则化被广泛应用于人脸识别的特征选择中。的f2。(0