基于Borda投票加权的子模块稀疏表示鲁棒模式识别算法.pdfVIP

学兔兔 第34卷 第 10期 仪 器 仪 表 学 报 Vo1．34 No．10 2013年 10月 ChineseJournalofScientificInstrument Oct．2013 基于 Borda投票加权的子模块稀疏表示 鲁棒模式识别算法珠 胡正平，李 静，赵淑欢 (燕山大学信息科学与工程学院 秦皇岛 066004) 摘 要：利用于模块稀疏表示进行分类时，具有遮挡或强烈光照变化的子模块中各类残差可能很相近，此时正确类别残差可能 不是最小，依据稀疏表示分类的残差最小判别准则将导致子模块错误分类，影响最终判别结果。针对此问题 ，提出基于 Borda 投票加权的子模块稀疏表示分类算法。首先利用Borda分别对子模块中的每类进行投票 ，然后利用子模块稀疏度和子模块残 差确定该子模块的可信度权重 ，依据子模块可信度权重将所有子模块中每类票数进行加权求和，进行最终分类判别。实验结果 表明，当图像具有遮挡或强烈光照变化时，提出的分类算法具有很好的有效性和鲁棒性。 关键词 ：鲁棒人脸识别；稀疏表示 ；子模块可信度权重 ；子模块稀疏度 ；子模块残差；投票加权 中图分类号 ：TP391．41 文献标识码 ：A 国家标准分类学科代码：510．4050 Sub-modularsparserepresentationalgorithm forrobustpattern recognitionbased on Bordavotedweighting HuZhengping，LiJing，ZhaoShuhuan (SchoolofInformationScienceandEngineering，YanshanUniversity，Qinhuangdao066004，China) Abstract：Whensub—modularsparserepresentation isusedtoc邺 outclassification，theresidualsofdifferentclasses forthesub-moduleswithilluminationchangeandocclusionmaybeveryclose．Inthiscase，thecorrectclassmaynot havethelowestresidual；theresidualminimum criterionforthesparserepresentationclassificationwillleadtotheerror classificationofthesub．modules，whichaffectsthefinal classificationresult．Aimingatthisproblem．inordertoreduce theinfluenceofthesimilarresiduals，asub—modularsparserepresentationclassificationalgorithm basedonBordavoted weightingisproposed．First，theBordacountmethodisusedtoassigndifferentvotestovariousclassesofthesub—mod— ules．Thenthesub—modularsparsityandsub-modulraresidualraeusedjointlytodeterminethesub—modularcredibility weights．Accordingtothesub-modularcredibilityweigh