摘要
传统基于核的最小均方误差(KMSE)算法在进行人脸识别时,需要求解多个方程,计算量较大。为此,提出一种用于多类识别的基于核的多元最小均方误差(KMSEMC)算法,该算法只需一个方程即可。在AR人脸库上的实验及数据分析表明,该算法在时间复杂度和识别率等方面计算量较小,在识别性能和计算时间上都优于同类传统算法。
The original Kernel-based minimum Mean Square Error（KMSE） algorithm,depends on a number of equations to address the multi-class classification problem,which causes a large computational afford.A new KMSE algorithm for Multi-class Kernel-based minimum Mean Square Error（KMSEMC） is proposed for multi-class recognization.It uses only one equation to do so,which is not only mathematically tractable but also computationally efficient.Experimental results on AR face databases show that KMSEMC outperforms KMSE in terms of computation and classification accuracy.
出处
《计算机工程》
CAS
CSCD
2013年第1期179-182,共4页
Computer Engineering
基金
国家自然科学基金资助项目"Gabor特征抽取快速算法及人脸识别应用研究"(60702076)
国家自然科学基金资助项目"基于四元数的彩色图像矩函数及其不变量构造研究"(61103141)
江苏高校优势学科建设工程基金资助项目
关键词
模式识别
人脸识别
最小均方误差算法
基于核的最小均方误差算法
时间复杂度
pattern recognition
face recognition
minimum Mean Square Error（MSE） algorithm
Kernel-based minimum Mean Square Error（KMSE） algorithm
time complexity
