Proponemos un nuevo algoritmo de representación colaborativa de vecinos para el reconocimiento facial basado en un error de reconstrucción regularizado revisado (RRRE), denominado algoritmo de representación colaborativa de vecinos en dos fases (TCNR). En concreto, el RRRE es la división de la l2-norma del error de reconstrucción de cada clase en una combinación lineal de la l2-norma de los coeficientes de reconstrucción de cada clase, que puede utilizarse para aumentar la información de discriminación para la clasificación. El algoritmo es el siguiente: en la primera fase, la muestra de prueba se representa como una combinación lineal de todas las muestras de entrenamiento incorporando la información del vecino en la función objetivo. En la segunda fase, utilizamos las k clases para representar la muestra de prueba y calculamos los coeficientes de representación colaborativa de vecinos. La TCNR no sólo puede preservar la localidad y la información de similitud de la codificación dispersa, sino que también puede eliminar el efecto secundario en la decisión de clasificación de la clase que está lejos de la muestra de prueba. Además, se presentan los fundamentos y el esquema alternativo de TCNR. Los resultados experimentales muestran que el algoritmo TCNR obtiene mejores resultados que siete algoritmos anteriores.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Un Modelo Multivariable Gris Fraccional para Modelar la Elección de Carrera de Graduados Recientes.
Artículo:
Tasas de convergencia para probabilidades de desviaciones moderadas para variables aleatorias indexadas multidimensionalmente.
Artículo:
Análisis dinámico del estallido de neuronas bajo la modulación de la estimulación periódica
Artículo:
Simulación discreta multiscale de sistemas complejos
Artículo:
Enfoque de Redes Bayesianas para Requisitos del Cliente hacia un Modelo de Producto Personalizado