摘要
针对协同表示分类器(CRC)计算时间复杂度较高的问题,利用重构系数的大小与样本标签之间的正相关性,提出了局部快速协同表示器并用于人脸识别.首先使用最小二乘法求解L2范数约束下的线性回归问题;然后对重构系数进行筛选,舍弃对分类不利的负重构系数;最后抛弃原CRC算法中的样本重构环节,转而使用最大相似性准则确定测试样本所属分类.该方法利用样本的局部相似性,使识别率得到了一定的提升.同时该方法无需样本重构,求解复杂度大幅度降低.在AR和CMU PIE数据集上的实验结果表明,所提方法的时间复杂度极大幅度优于CRC,且在各种光照、表情、角度等状态下其识别率均高于现有其他相关算法.
NETL
NSTL
维普
万方数据