稀疏表示SRC、协同表示CRC、自适应稀疏表示ASRC

SRC

出处：《Robust Face Recognition via Sparse Representation》

ESRC

考虑到图像里的噪声，提出了Extended SRC(ESRC):

根据每类的残差进行分类

CRC

全称Collaborative Representation based Classification with regularized least square
当样本高度相关时，样本y在各个类的投影可能大致相同，SRC的结果就不稳定。于是CRC提出
数学表达如下
$$min\Vert \alpha {\Vert }_{2}s.t.\Vert y-X\alpha {\Vert }_2\le ϵ$$

ASRC

出处：《Robust Face Recognition via Adaptive Sparse Representation》
综合SRC和CRC，提出自适应的稀疏表示方法
数学表达为
$$min\Vert XDiag(\alpha ){\Vert }_{\ast }s.t.\Vert y-X\alpha {\Vert }_1\le ϵ$$
也可以写为
$$min\Vert XDiag(\alpha ){\Vert }_{\ast }+\lambda \Vert y-X\alpha {\Vert }_1$$
首先了解一个等式(不难证明)
$$\Vert X{\Vert }_{\ast }=Tr[(X^{T}X{)}^{\frac{1}{2}}]$$
当所有样本互不相关时，ASRC可退化为SRC，证明如下

当所有样本高度相关，X的秩为1时，ASRC退化为CRC，证明如下