论文部分内容阅读
基于2DGabor变换的人脸特征描述已经受到了很多人的关注。然而现有的Gabor特征维数较高,而且具有冗余性,因此选择最佳的Gabor特征用于人脸识别显得尤为的重要。利用最大余量原理的特征选择算法在目前的机器学习研究中已经占据了重要的地位。本文在基于余量的迭代搜索法(simba)的基础上,引入了一种新的选择算法:基于余量的共轭梯度法(Cgmba),它只需较少次迭代就可以找到最佳解。我们在IMM人脸库上进行了实验,实验结果表明:尽管只使用了一半不到的特征,但Cgmba和Simba的识别率却分别提高了3.75