一种基于共同向量词典的稀疏表示分类方法

摘要

本发明提出了一种基于共同向量的稀疏表示分类方法。本发明先通过每一类训练样本的差分子空间作Gram‑Schmidt正交变换得到每一类的共同向量；随后将所有共同向量构成的字典作为稀疏表示分类器的字典，通过最小化l₁范数，求出测试样本在字典上的稀疏系数；以及使用每一个类别对应的稀疏系数与该类的训练样本获得估计的测试样本，将所述估计的测试样本与所述采集的测试样本对比，将相似度最高的类别作为分类结果。本发明的核心思想是使用训练样本中每类的共同向量组成字典取代原稀疏表示分类器的使用全部训练样本组成的字典，显著地提高小样本情况下的人脸识别方法的正确率。