首页> 中文期刊> 《光电子.激光》 >基于核Fisher判别字典学习的稀疏表示分类

基于核Fisher判别字典学习的稀疏表示分类

         

摘要

在基于稀疏表示分类的模式识别中,字典学习(DL)可以为稀疏表示获得更为精简的数据表示。最近的基于Fisher判别的字典学习(FDDL)可以学习到更加判别的稀疏字典,使得稀疏表示分类具有很强的识别性能。核空间变换可以学习到非线性结构信息,这对判别分类非常有用。为了充分利用核空间特性以学习更加判别的稀疏字典来提升最终的识别性能,在FDDL的基础上,提出了两种核化的稀疏表示DL方法。首先原始训练数据被投影到高维核空间,进行基于Fisher判别的核稀疏表示DLFDKDL;其次在稀疏系数上附加核Fisher约束,进行基于核Fisher判别的核稀疏表示DL(KFDKDL),使得所学习的字典具有更强的判别能力。在多个公开的图像数据库上的稀疏表示分类实验结果验证了所提出的FDKDL和KFDKDL方法的有效性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号