基于系数表达的人脸识别算法随笔

最新推荐文章于 2021-01-15 17:57:00 发布

liuchengzhong

最新推荐文章于 2021-01-15 17:57:00 发布

阅读量339

点赞数

分类专栏：图像处理 C++ 学习文章标签：稀疏表达

本文链接：https://blog.csdn.net/liuchengzhong/article/details/53291900

版权

本文探讨了在人脸识别领域中，如何利用稀疏表达进行样本训练和测试样本分类。通过建立训练样本矩阵X，并用线性表示法y=Xα解决不确定性问题。当训练样本充足时，表示矩阵呈现稀疏特性，而寻求最稀疏的系数向量α有助于提高分类准确性。文章重点在于解决最优化问题以获取最佳的稀疏解。

摘要由CSDN通过智能技术生成

 稀疏表达在人脸识别领域无疑有着举足轻重的地位。下面简单介绍一下大致内容：

考虑一个样本训练集，它分为C类，第i类的训练样本表示为： $X_i=[x_{i1},x_{i2},\ldots,x_{N_i}]\in R^{M*N}$ , $x_{ij}$ 就代表属于第i个类的第j个样本的M维的列向量，这里 $N=\sum_{i=1}^CN_i$ 就是训练样本的总数。我们把 $X=[X_1,X_2,\ldots,X_C]$ 作为字典，测试样本y可以由 X