期刊首页 优先出版 当期阅读 过刊浏览 作者中心 关于期刊 English

2017年 第18卷 第11期

摘要

关键词

相关研究

回顶部

《信息与电子工程前沿（英文）》 >> 2017年 第18卷 第11期 doi: 10.1631/FITEE.1600039

基于稀疏表示的拉普拉斯稀疏字典图像分类

. College of Computer Science and Technology, Zhejiang University, Hangzhou 310027, China.. School of Computer Science and Information Security, Guilin University of Electronic Technology, Guilin 541004, China.. Guangxi Key Laboratory of Trusted Software, Guilin University of Electronic Technology, Guilin 541004, China.

发布日期： 2018-03-08
HTML19 PDF 11 收藏 0

下一篇 上一篇

摘要

稀疏表示作为数据表示的一种数学模型，是解决模式识别、机器学习、计算机视觉等领域问题的有力工具。字典学习是稀疏表示方法的重要组成部分，在对原始信号及其在字典学习空间中的重建误差的最小化上发挥着重要的作用。在稀疏表示模型中，直接利用训练样本作为字典可以取得良好的性能。但由于训练样本含有噪声，这样的字典很大且效率低下。为取得更小且表现更好的字典，本文提出一种基于流形学习及双稀疏理论的拉普拉斯稀疏字典学习方法（Laplacian sparse dictionary, LSD）。本文将拉普拉斯权重图加入稀疏表示的模型，并对字典加以 范数约束。LSD是一个稀疏的过完备字典，可保持数据的内在结构，并为每个类学习一个更小的字典。学习得到的字典可以嵌入基于稀疏表示的分类框架。将本文提出的方法和其它方法在三个基准的约束人脸数据（Extended Yale B、ORL、AR）和一个无约束的行人数据图像数据库i-LIDS-MA上进行对比实验。结果显示本文提出的LSD算法比当前基于分类的稀疏表示的方法更有优势。

相关研究