特征加权组稀疏判别投影分析算法

近来,稀疏表示分类算法已经在模式识别和特征提取领域获得了广泛的关注.受最近提出的稀疏表示判别投影算法启发,本文提出了一种新的特征加权组稀疏判别投影算法(Feature weighted group sparse classification steered discriminative projection,FWGSDP).首先,提出特征加权组稀疏分类算法(Feature weighted group sparsebased classification,FWGSC)进行稀疏系数编码,该算法采用带特征加权约束的保局性信息,能够鲁棒地重构给定的输入数据;其次,通过类内重构散度最小、类间重构散度最大为目标计算最优投影判别矩阵,使得输入数据具有最佳的模式分类效果;最后,提出迭代重约束稀疏编码方法并结合特征分解操作进行FWGSDP模型高效求解.在Ex Yale B,PIE和AR三个人脸数据库的实验验证了所提算法在普通数据和带噪数据中的分类效果都优于现存的算法.