Resumen

En este trabajo, investigamos un método de reconocimiento de expresiones faciales, que se basa en el método de reconocimiento de representación dispersa modificada (MSRR). En la primera etapa, utilizamos LPP tipo Haar para extraer características y reducir la dimensión. En la segunda etapa, adoptamos el método LC-K-SVD (Label Consistent K-SVD) para entrenar el diccionario, en lugar de adoptar directamente el diccionario de las muestras, y añadimos el entrenamiento del diccionario en bloque al proceso de entrenamiento. En la tercera etapa, se utiliza el método stOMP (stagewise orthogonal matching pursuit) para acelerar la convergencia de OMP (orthogonal matching pursuit). Además, se añade un factor de regularización dinámico al proceso de iteración para suprimir los ruidos y mejorar la precisión. Verificamos el método propuesto desde el punto de vista de las muestras de entrenamiento, la dimensión, la extracción de características y los métodos de reducción de la dimensión y los ruidos en una base de datos propia y en las bases de datos JAFFE de Japón y CK de la CMU. Además, comparamos este método disperso con la SVM y la RVM clásicas y analizamos el efecto de reconocimiento y la eficiencia del tiempo. El resultado del experimento de simulación ha demostrado que el coeficiente del método MSRR contiene información clasificatoria, que es capaz de mejorar la velocidad de cálculo y lograr un resultado de reconocimiento satisfactorio.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:búsqueda de coincidencias ortogonales, factores de regularización dinámicos, métodos de reducción de dimensiones, resultados de la simulación, reconocimiento de representaciones dispersas, convergencia de omp, aspectos del entrenamiento, coeficiente de msrr, métodos de reconocimiento de expresiones
• Keywords:orthogonal matching pursuit, dynamic regularization factors, dimensions reduction methods, results of simulation, sparse representation recognition, convergence of omp, aspects of training, coefficient of msrr, expression recognition methods, methods