改进的加权稀疏表示人脸识别算法

adaboost+knn+lbp人脸识别代码 经典算法

论文研究-加权SRC算法在伪装人脸识别中的应用.pdf,  针对伪装人脸识别问题, 基于稀疏表示分类法(sparserepresentation-based classification, SRC)鲁

基于加权平均脸的二维PCA人脸识别算法研究

ICCV2011年最新的，关于稀疏表示和协同编码哪个对人脸识别起了决定性作用，参考这篇文献SparseRepresentationorCollaborativeRepresentation:Which

基于稀疏表示的人脸识别研究，非线性特征的选择研究较少。提出分层使用人脸图像的小波特征，进行稀疏表示人脸识别框架。框架首先对样本人脸进行小波变换，构造小波低频和小波高频过完备人脸字典；识别阶段首先使用人

由于稀疏表示在人脸识别上的优异表现，大量的研究关注于在深度网络上结合稀疏编码。常用的稀疏深度信念网络限制所有的隐藏单元具有相同的稀疏水平，这不是诱导稀疏表示最自然的方式。针对这个问题，根据压缩感知理论

OMP算法，用来寻找信号对给定字典的稀疏表示

稀疏表示算法是一种常用的信号处理方法，在图像处理、语音警报、机器学习等领域有着广泛的应用。本文详细介绍了稀疏表示算法的原理及其在实际应用中的优点，同时探讨了其在图像处理和语音信号处理领域中的应用。读者

随着信息技术的发展,要处理的数据越来越多人类很难通过直接查看认知来理解数据的内部结构。 局部线性嵌入算法可通过以下方法实现数据降维隐藏在高维空间中的局部线性低维流形。 但是,LLE 算法对噪声敏感。

局部线性嵌入LLE算法可以发现隐藏在高维空间中的局部线性低维流形,实现数据降维。然而LLE算法对数据噪声比较敏感,在较强噪声下算法稳定性很差。本文提出了一种稀疏约束的改进思路,在计算重构误差的表达式后