计算机时代
計算機時代
계산궤시대
COMPUTER ERA
2015年
2期
24-25,28
,共3页
王亚楠%楼含笑%陈大奔%许淑华
王亞楠%樓含笑%陳大奔%許淑華
왕아남%루함소%진대분%허숙화
模块主成分分析%L1范数%主成分分析%鲁棒性
模塊主成分分析%L1範數%主成分分析%魯棒性
모괴주성분분석%L1범수%주성분분석%로봉성
BPCA%L1-norm%principal component analysis%robustness
模块主成分分析是人脸重建中一种重要的子空间学习方法，鲁棒性不足是传统的基于L2范数的模块主成分分析（BPCA-L2）的主要问题。为此，提出了一种新的基于L1范数的模块主成分分析（BPCA-L1）方法。该方法使用了对奇异值不太敏感的L1范数。基于L1范数的模块主成分分析方法简单并易于实现，在一些人脸数据集上的重建实验验证了其有效性。
模塊主成分分析是人臉重建中一種重要的子空間學習方法，魯棒性不足是傳統的基于L2範數的模塊主成分分析（BPCA-L2）的主要問題。為此，提齣瞭一種新的基于L1範數的模塊主成分分析（BPCA-L1）方法。該方法使用瞭對奇異值不太敏感的L1範數。基于L1範數的模塊主成分分析方法簡單併易于實現，在一些人臉數據集上的重建實驗驗證瞭其有效性。
모괴주성분분석시인검중건중일충중요적자공간학습방법，로봉성불족시전통적기우L2범수적모괴주성분분석（BPCA-L2）적주요문제。위차，제출료일충신적기우L1범수적모괴주성분분석（BPCA-L1）방법。해방법사용료대기이치불태민감적L1범수。기우L1범수적모괴주성분분석방법간단병역우실현，재일사인검수거집상적중건실험험증료기유효성。
The block principal component analysis is an important subspace learning method in face reconstruction. Lacking robustness is a main problem of the traditional L2-norm (L2-BPCA). In this paper, a method of block principal component analysis (BPCA) based on a new L1-norm is introduced. L1-norm is used, which is less sensitive to abnormal values. The proposed block principal component analysis based on L1-norm is simple and easy to be implemented. Experimental reconstruction on several face databases are conductive to verifying the validity of L1-BPCA.
