基于无噪声表示的分类和面部识别实验

基于表示的分类在高维模式分类问题中取得了可喜的表现。 众所周知，在实际应用中，样本通常会被噪声破坏。 但是，基于表示的分类只能考虑测试样本中的噪声，而不能处理训练样本中的噪声，这会对分类结果造成负面影响。 为了使基于表示的分类更适合现实应用，例如人脸识别，我们在本文中提出了一种新的基于表示的分类方法。 这种方法可以有效地同时减少测试样本和训练样本中的噪声。 此外，所提出的方法可以减少原始和虚拟训练样本中的噪声，然后利用它们来确定测试样本的标签。 虚拟训练样本是从原始面部图像生成的，并显示了面部在比例，面部姿势和表情方面的可能变化。 实验结果表明，该方法在人脸识别中具有很好的效果。