基于稀疏恢复的l_1范数凸包分类器在人脸识别中的应用

摘要

人脸识别是统计模式识别领域中经典的分类问题,为了提高算法的分类性能,优化技术被广泛应用到人脸识别领域。提出基于稀疏恢复的l1范数凸包分类算法,将原始训练数据集进行低秩恢复,利用恢复出的低秩矩阵和误差矩阵构成新训练集字典建立各类训练样本凸包模型,并在l1范数意义下,计算观测样本与各类凸包模型差值,用所得差值等价观测样本到各类样本凸包的距离,将距离最小的一类视为判别输出类。在ORL（Olivetti Research Lab）标准人脸图像库上进行实验分析,实验证明基于稀疏恢复的l1范数凸包分类算法具有较高的识别效率。