论文部分内容阅读
稀疏表示的数学本质就是稀疏正则化约束下的信号分解.提出一种稀疏相似性的模糊鉴别分析方法.首先,各高维图像样本划分成若干相同大小的局部块并以脊波序列表示,其次通过一种新型稀疏学习算法获得系数分解和对应的稀疏相似性度量,由此构造出稀疏相似度嵌入的模糊鉴别分析准则.该方法利用新型稀疏监督学习作为特征提取工具,克服了传统鉴别分析方法缺乏样本间结构知识的缺点,可有效解决高维非线性小样本问题.在ORL和FERET人脸数据库上的实验结果验证了算法的有效性.