人脸图像识别中非贪婪L1范数的2DPCA最大化鲁棒算法

基于L1范数的二维主成分分析是近年来提出的一种在图像域降维和特征提取的方法。通常，直接求解L1范数最大化问题很困难，因此，一种贪婪的策略被提出来了。然而，这种策略的初始化投影是随意选取的，为了获得更好的投影向量，得到一个最优的局部解，提出了一个非贪婪的L1范数最大化算法，该非贪婪算法具有三大优势：使用L1范数和非贪婪策略对于异常值很稳健；与PCA L1相比较，更多的空间结构信息得到了保留；相比2DPCA L1，所有的投影方向可以被优化并且可以获得更好的解决方案。人脸和其他数据集上的实验结果验证了所提出的方法更加有效。