资 源 简 介
A Two-Phase Test Sample Sparse Representation Method for Use With Face Recognition；当前人脸识别方面最热的方法就是稀疏表示方法（sparse represent），其主要思想是利用线性的或者非线性的表示方法将检查样本用训练样本表示出来，训练样本前的系数为代表比重，选取比重较大的训练样本所属的类来标记测试样本。这种方法在某些模式识别中效果较好，但是其原理并不明确，没有很好的理论基础，所以就方法的科学性而言相对欠缺。第一步利用所有训练样本来标示出测试样本，并提取M近邻训练样本；第二步利用第一步中提取的M近邻样本表出测试样本，选取代表比重大的训练样本所属于的类来标记测试样本。
关于该方法的理论，希望大家去下载论文阅读，这里就不在多说，重点在于算法的实现上：算法中将实现分为两步，第一步是用所有训练样本表示出测试样本，可以用SVD来计算出系数阵，但在这之前要通过PCA或者LDA的方法给特征向量降维
