基于稀疏化双向二维主成分分析的人脸识别
来源：计算机工程杂志2019年第12期北京时间：
作者：张裕平, 龚晓峰, 雒瑞森
单位：四川大学 电气工程学院, 成都 610065
摘要：双向二维主成分分析（（2D）2PCA）易受异常值影响，鲁棒性差，且所提取的特征向量是非稀疏的。针对上述不足，提出基于L1范数的稀疏双向二维主成分分析方法（2D）2PCA-L1S。在（2D）2PCA目标函数中加入L1范数约束，以提高算法的抗干扰能力，同时引入弹性网约束，通过Lasso与Ridge惩罚函数实现稀疏性。在Feret和Yale数据库中进行基于最近邻的人脸分类、人脸重构和基于粒子群优化SVM参数的人脸识别实验，结果表明，相较于2DPCA、（2D）2PCA、（2D）2PCA-L1等主成分分析方法，该方法能准确提取人脸主要信息，人脸识别和人脸重构效果较好。
关键词：双向二维主成分分析,稀疏化,粒子群优化,支持向量机,人脸识别
基金资助：中国博士后科学基金（2017M612958）。
