%0 Journal Article
%T 基于自步学习的加权稀疏表示人脸识别方法
%A 曹飞龙
%A 王文剑
%J 计算机应用
%D 2017
%R 10.11772/j.issn.1001-9081.2017.11.3145
%X 摘要 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，效果更明显
%K 基于稀疏表示的分类方法
%K 分类
%K 自步学习
%K 加权系数
%K 人脸识别
%U http://www.joca.cn/CN/abstract/abstract21248.shtml