欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
中文摘要：
基于稀疏表示的分类器（sparse representation-based classifier,SRC）被证实是一种非常有效的分类器.但SRC往往要通过一个超完备基来求得测试样本的稀疏表示,当数据库的数据量较大时,算法的计算复杂度成为限制其优良性能的瓶颈,致使SRC无法用于实时识别.针对该问题,提出一种简便有效的改进算法,其试图寻求一个较小的超完备基来计算测试样本的稀疏表示,从而大大的缩减算法的计算复杂度.具体来说,对于每个测试样本点,首先,求出该测试样本点可能归属的类别,而后利用可能归属类的样本而并非所有的训练样本来对测试样本进行稀疏表示计算.ORL人脸库和FERET人脸库上的实验结果表明改进算法不仅能较大程度的缩减算法的计算复杂度,而且排除了干扰类的影响,从而在某种程度上提高了算法的识别率.
同期刊论文项目
同项目期刊论文
期刊信息
位置：