论文部分内容阅读
协同表示在少量的样本情况下的识别率经常达不到既定的期望。为此,提出一种最优字典的构造方法来提高协同表示的分类能力。首先,利用原始训练样本生成伪训练样本;然后,原始训练样本和伪训练样本混合在一起形成初始的编码字典;最后,利用编码字典中的原子与测试样本的相似性来构造最优的编码字典。通过三个被广泛使用的人脸数据库的实验结果表明,与协同表示方法相比,该方法识别率高了近4%~18%,而且相比于同类的一些方法,该方法也取得了较好的识别率。