《表1 AR人脸库真实影响下不同算法的识别率对比 (%)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《联合平滑矩阵多变量椭圆分布的稀疏表示算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

结合表1和表2可知，CRC在识别率上虽然与SRC、FFS以及HQ A较为接近，但是其运行效率却远远优于这些算法，达到了ms级的反应速度.HQ M以运行效率减弱为代价提升鉴别性能，从表2可见其运行时间为CRC的3 000多倍，因此实用性欠佳.RRC在光照影响、墨镜遮挡和围巾遮挡这三种情形下的识别率表现突出，接近SMED的识别性能，但其在实现过程中需要迭代计算操作，因此运行率较低.最后，在AR数据库中SMED的运行效率高于RRC、FFS、HQ A和HQ M，仅次于CRC和SRC，但其识别率却远高于CRC和SRC.此外，结合表3、图5、图7中各算法在ExYaleB、PubFig数据库中的表现可知，虽然HQ M的鉴别性能在大多数情况下接近于SMED算法，但在大部分数据集中都需要消耗更多的运行时间，不适宜于实际的分类应用.而抗噪性不错的RRC算法的运行时间却随数据集的不同浮动较大，稳定性不高.综合而言，SMED由于采用迭代加权最小二乘法进行模型求解，能在很少的迭代次数下获得算法收敛，因此其综合运行效率领先于除CRC和SRC的其他对比算法.而且鉴于SMED具有较高较稳定的识别性能，故而值得推广应用.