论文部分内容阅读
利用非凸代理函数在低秩约束上的有效性,本文提出一种基于非凸低秩稀疏约束的鲁棒人脸识别算法(Non-convex Lowrank Sparse Constraints,NLSC)。该算法在矩阵回归的基础上以Capped L1罚函数进行低秩约束来构建目标函数;然后利用交替方向乘子法优化求解目标函数。在AR公开人脸数据库上的实验结果表明,NLSC在分类识别能力上优于经典的LRC、SRC和CRC分类器。近几十年来,人脸识别在模式识别和计算机视觉领域上的应用得到了广泛的关注。学者们致力于人脸表示和分类算法的研究。其