排序方式： 共有2条查询结果，搜索用时 74 毫秒
1
1.
基于整个数据集的稀疏表示(sparse representation classification,SRC)用于人脸识别在很大程度上影响了运行效率.如何利用较少样本稀疏表示在保证计算效率的同时,识别率也有一定提升,尤其是面对光照、角度、姿态等非受控环境,目前仍是一个问题.考虑到协同表示(collaborative representation classification,CRC)基于l2范数稀疏求解的优势,为进一步提升CRC的整体分类性能,引入类内近邻,提出一种二次近邻稀疏重构表示法.该方法首先在原始训练集上选择各类训练样本中与待测样本距离相近的若干样本组成近邻样本集,并协同表示,接着分别用各类近邻样本重构待测样本,再次选择与待测样本相近的若干重构样本协同表示,最终实现模式分类.在ORL和FERET数据库上的仿真实验表明,相比现有的一些CRC算法,该方法在一定程度上缩短了运行时间,并使识别更精确. 相似文献
2.
网络中控型多媒体教室设计方案是目前高校采取的主要形式,存在设备多、故障率高、检修困难等问题.本文从智慧校园建设要求出发,提出了一种基于智慧校园环境多方式认证下的高校多媒体教室设计方案,并以实例与相关数据充分证明了该方案的低故障率特点. 相似文献
1