菜单
  
    摘要近些年来,稀疏表示的方法开始越来越多的应用到人脸识别的研究领域,陆续出现了几种基于稀疏表示的分类模型。这些模型的核心是计算L1优化问题。ADMM算法是针对分布式凸规划问题的一种简单有效的算法。因此,可以利用ADMM算法对这些稀疏表示模型进行求解。本文以利用ADMM算法求解稀疏表示模型为目标,对ADMM算法和几种稀疏表示模型进行了初步的探讨。本文的主要工作如下:25314
    1.  对几种稀疏表示模型进行介绍,主要包括对模型的假设和求解算法的探讨。
    2.  对ADMM算法进行简单的介绍,主要包括对算法的框架、求解步骤、收敛性及停机准则的探讨。
    3.  利用ADMM算法对以上几种稀疏表示模型进行求解。对L1规划问题的求解可以利用二次逼近以及软阈值函数。
    4.  利用AR人脸数据库以及扩展的Yale B人脸数据库验证不同模型的分类性能。同时在无遮挡实验中利用PCA算法对人脸图像进行特征提取。
    关键词  稀疏表示  ADMM算法  人脸识别  软阈值函数 
    毕业论文设计说明书外文摘要
    Title  Research on the solution of some sparse representation models based on ADMM                                  
    Abstract
    Recently sparse representation has been successfully applied in face recognition. Some sparse representation based classification models have also been developed. The core of these models is to solve l1-minimization problem. The alternating direction method of multipliers (ADMM) can be used to solve these sparse representation models since ADMM is well suited to distributed convex optimization. In this paper, we mainly discuss the ADMM algorithm and its applications in some sparse representation models. The main work of this paper can be described as follows:
    1. Some sparse representation models are introduced, including some discussion on their assumptions and algorithms.
    2. ADMM is introduced, including some discussion on its framework, algorithm, convergence and stopping criterion.
    3. Solving these models via ADMM algorithm. Quadratic approximation and soft-thresholding function are chosen to be used in the procedure.
    4. The experiments on the Extended Yale B database and the AR database demonstrate the performances of different models. In this paper. The PCA (Principle Component Analysis) algorithm is used to obtain the principle component of facial image in the experiments without occlusion.
    Keywords  Sparse representation, ADMM, Face recognition, Soft-thresholding function.
    目   次
    1  绪论    1
    1.1  人脸识别的研究历史与国内外现状    1
    1.1.1  研究历史    1
    1.1.2 国内外现状    2
    1.2 基于稀疏表示的人脸识别的研究背景与进展    2
    1.2.1 研究背景    2
    1.2.2 研究进展    2
    1.3 基于稀疏表示的人脸识别研究内容与研究方法    3
    1.3.1 研究内容    3
    1.3.2 研究方法    4
    1.4 论文的研究内容以及章节安排    4
    2  稀疏表示模型    5
    2.1 SRC模型    5
    2.1.1 理论基础与假设    5
    2.1.2 框架与算法    6
    2.2  RSC模型    7
    2.2.1 理论基础与假设    7
    2.2.2 框架与算法    9
    2.3 结构稀疏模型    10
    2.3.1 理论基础与假设    10
    2.3.2 算法与框架    11
  1. 上一篇:大学生学习行为的模型及其经济分析
  2. 下一篇:固体燃料冲压发动机大口径冲压炮弹弹道计算
  1. 几种常用随机变量模拟的实现

  2. 变换法在求解常微分方程中应用

  3. 等价无穷小在求解和差运算的极限

  4. 常数变易法在微分方程求解的应用

  5. 线性递推关系数列极限的几种求法及其应用

  6. 浅谈参数估计的几种方法的优缺点

  7. 浅析常微分方程的一些求解技巧

  8. java+mysql车辆管理系统的设计+源代码

  9. 酸性水汽提装置总汽提塔设计+CAD图纸

  10. 十二层带中心支撑钢结构...

  11. 中考体育项目与体育教学合理结合的研究

  12. 乳业同业并购式全产业链...

  13. 当代大学生慈善意识研究+文献综述

  14. 河岸冲刷和泥沙淤积的监测国内外研究现状

  15. 杂拟谷盗体内共生菌沃尔...

  16. 电站锅炉暖风器设计任务书

  17. 大众媒体对公共政策制定的影响

  

About

751论文网手机版...

主页:http://www.751com.cn

关闭返回