1、人臉識(shí)別在圖像處理領(lǐng)域中是一個(gè)很重要的研究熱點(diǎn)，人臉識(shí)別技術(shù)被廣泛地應(yīng)用于模式識(shí)別、人工智能、計(jì)算機(jī)視覺等領(lǐng)域中?；谙∈璞硎镜娜四樧R(shí)別技術(shù):稀疏子空間聚類是近年來子空間聚類的研究熱點(diǎn)，它是一種基于譜聚類的子空間聚類方法，其基本思想是:高維數(shù)據(jù)空間位于多個(gè)低維子空間的并，能夠被低維子空間線性表示。稀疏子空間聚類的基本方法是:對(duì)給定的一組高維數(shù)據(jù)建立子空間表示模型，得出數(shù)據(jù)在低維子空間中的稀疏表示系數(shù)，然后根據(jù)表示系數(shù)構(gòu)造相似度矩陣，并應(yīng)

2、用到譜聚類算法中，從而聚類數(shù)據(jù)。
　　本文從稀疏表示原理出發(fā)，首先闡述了一種傳統(tǒng)的基于稀疏表示的人臉識(shí)別，進(jìn)一步的對(duì)稀疏表示算法做了改進(jìn)，提出了一種迭代加權(quán)的稀疏表示算法。稀疏子空間聚類通過解決l1最小化算法并應(yīng)用譜聚類把高維數(shù)據(jù)點(diǎn)聚類到不同的子空間，從而聚類數(shù)據(jù)。迭代加權(quán)的l1算法比傳統(tǒng)的l1算法有更公平的懲罰值，平衡了數(shù)據(jù)數(shù)量級(jí)的影響。此算法應(yīng)用到稀疏子空間聚類中，改進(jìn)了傳統(tǒng)稀疏子空間聚類對(duì)數(shù)據(jù)聚類的性能。仿真實(shí)驗(yàn)對(duì)Yale

3、B人臉數(shù)據(jù)圖像進(jìn)行識(shí)別分類，得到了很好的聚類效果，證明了改進(jìn)算法的優(yōu)越性。
　　其次，在現(xiàn)有的稀疏子空間聚類算法理論基礎(chǔ)上給出兩種稀疏子空間聚類優(yōu)化算法:稀疏線性子空間聚類和稀疏仿射子空間聚類。這兩種優(yōu)化算法針對(duì)不同的數(shù)據(jù)集會(huì)有不同的聚類效果。本文通過稀疏表達(dá)得到不同的稀疏系數(shù)矩陣，把稀疏系數(shù)矩陣應(yīng)用到較為簡(jiǎn)單的改進(jìn)的正則化譜聚類算法中實(shí)現(xiàn)聚類。應(yīng)用Yale B數(shù)據(jù)對(duì)人臉圖像進(jìn)行識(shí)別分類得出:采用稀疏線性子空間聚類算法優(yōu)于稀疏仿射