基于自步学习的加权稀疏表示人脸识别方法

来源 :计算机应用 | 被引量 : 11次 | 上传用户:lijing2007110311
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来基于稀疏表示的分类方法(SRC)成为了一个新的热点问题,在人脸识别领域取得了很大的成功。但基于稀疏表示的方法在重建待测样本时,有可能会利用与待测样本相差较大的训练样本,并且没有考虑到表示系数的局部信息,从而导致分类结果不稳定。提出一种基于自步学习的加权稀疏表示算法SPL-WSRC,在字典中有效剔除与待测样本相差较大的训练样本,并利用加权手段考虑样本间的局部信息,以提高分类精度和稳定性。通过3个典型的人脸数据集中的实验,实验结果表明,所提算法优于原稀疏表示算法SRC,特别是当训练样本足够多时,效
其他文献
为消除专家经验的主观性、避免依赖轨迹特征并且减轻实验调参的负担,提出一种基于轮廓系数的参数无关聚类分析(PICBASIC)算法。首先,比较了现有基于欧氏距离的航迹配对方法,并且建立基于动态时间弯曲(DWT)距离和高斯核函数的轨迹相似度计算模型;其次,利用谱聚类对空中交通轨迹进行聚类划分;最后,提出一种基于轮廓系数的最佳簇数寻优方法,并且其具有对聚类结果量化评价功能。利用真实进场轨迹进行实验验证,P
互联网流量分类是识别网络应用和分类相应流量的过程,这被认为是现代网络管理和安全系统中最基本的功能。与应用相关的流量分类是网络安全的基础技术。传统的流量分类方法包括基于端口的预测方法和基于有效载荷的深度检测方法。在目前的网络环境下,传统的方法存在一些实际问题,如动态端口和加密应用,因此采用基于流量统计特征的机器学习(ML)技术来进行流量分类识别。机器学习可以利用提供的流量数据进行集中自动搜索,并描述
已然泛黄的书页终于在风拂下不经意地散尽。我抬头,已是黄昏 ,天光云影不染俗世一丝尘埃,很是好看。闭眼,梦中的喜怒哀乐总是那样真,不觉湿了眼角。忽觉耳畔有人轻语,我睁眼,原来是你。  而我们的青春就如同这泛黄老旧的书页般,同那一揮即逝的昏晨般,不经意间被遗忘在那遥远的时光中。  还记得吗?那年响过的上课铃声;那年广播中放过的你最爱的歌;那年白杨树筛下的一缕缕金色光芒;那年讲过无数遍的老套的童话故事;
用户数据在云存储环境下缺乏有效的数据销毁机制,其数据安全性在生命周期内面临威胁,销毁时间受控,大大限制了云存储服务的发展。为此,提出一种云存储环境下生命周期可控的数据销毁模型。首先,通过函数变换处理明文生成密文和元数据,避免复杂的密钥管理;其次,为提高数据销毁的可控性,设计一种基于时间可控的自销毁数据对象,使得过期数据的任何非法访问都会触发数据重写程序对自销毁数据对象进行确定性删除,从而实现生命周
广播电台作为党的宣传舆论阵地和喉舌,同时也是政府联系和沟通人民群众的桥梁和纽带。电台新闻编辑在选稿与修改稿件过程中,必须坚持正确的舆论导向,准确选择新闻稿件。严把新闻
歌曲配以伴奏,不仅能陪衬歌声而且对能积极配合旋律,从而加强歌曲在情绪、背景、造型、意境等方面的表现力,使歌曲的音乐形象更丰满,更具艺术感染力。艺术歌曲的钢琴伴奏是一种创
针对目前PM_(2.5)浓度测量成本高和测量过程繁杂等问题,建立了基于灰狼群智能最优化算法的神经网络预测模型。从非机理模型的角度,结合气象因素和空气污染物对上海市的PM_(2.5)浓度进行预测,并使用平均影响值分析了影响PM_(2.5)浓度的重要因素。使用灰狼群智能算法优化神经网络的过程中,引入了检验样本实时监控训练过程以避免发生"过训练"现象,确保建立的神经网络模型具有较好的泛化能力。实验结果表