科研之友
微信
新浪微博
Facebook
分享链接
摘要
<正>在本文中,我们提出了一种新颖的线形判别分析(RLDA)方法来完成人脸识别任务。重新构造一个利用schatten p范数约束低秩项的基于最优均值的鲁棒线形判别分析模型,在不同程度被污染的数据集上的实验结果证明了我们算法的优越性。监督学习是机器学习的主要研究方向之一,它被广泛应用于许多领域,例如特征选择,人脸识别,图像对齐等。但是,大多数的传统方法都依赖于数据的真实性和数据的纯度。这些情况在人脸识别中尤为常见。为了解决以上问题,研究者们提出了许多具有鲁棒性的方法。Wright等人(John Wright,Allen Y.Yang,Arvind Ganesh,S.Shankar Sastry,and Yi Ma.Robust face recognition via sparse representation)提出了一种方法将测试样本分解为训练集样本的稀疏表示和稀疏噪声,并且使用
- 单位
