- 1、本文档共13页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
??
?
??
基于协同表示的监督的类判别字典学习算法
?
??
?
?
?
?
?
?
?
???
?
?
?
?
?
摘要:图像分类是计算机视觉领域的一个重要的任务,为了解决这一任务,本文提出一种基于每一类的判别信息生成的字典模型,称为监督的类判别的字典学习(SupervisedClass-discriminantDictionaryLearning,SCDDL)模型。SCDDL模型从训练集中学习得到一个字典和在这字典上的表示系数,不仅不同类别的字典对训练样本的重建误差具有判别性而且表示系数具有判别性。在此基础上,充分利用重建误差的判别性和表示系数的判别性提出相应的图像分类方案。大量的实验结果表明,与现有的模型分类方法相比较,该分类方法在图像分类的任务上具有较好的分类性能,且算法的效率高。
关键词:字典学习;图像分类;协同表示;有监督学习。
SupervisedClass-DiscriminantDictionaryLearningAlgorithmbasedonCooperativeRepresentation
ZhangJie
(YangzhouUniversity,Jiangsu,225009,China)
Abstract:Imageclassificationisanimportanttaskinthefieldofcomputervision.Tosolvethistask,thispaperproposesaDictionarymodelcalledSupervisedClass-discriminantDictionaryLearning(SCDDL)model.SCDDLmodelobtainsadictionarylearningfromthetrainingsetandtherepresentationcoefficientsonthedictionary,whicharediscriminativenotonlyfordifferentclassofdictionariesbutalsofortherepresentationcoefficients.Onthisbasis,thediscriminabilityofreconstructionerrorandrepresentationcoefficientisfullyutilizedtoproposethecorrespondingimageclassificationscheme.Alargenumberofexperimentalresultsshowthat,comparedwiththeexistingmodelclassificationmethods,thisclassificationmethodhasbetterperformanceinimageclassificationtask,andtheefficiencyofthealgorithmishigh.
Keywords:Dictionarylearning;Imageclassification;Collaborativerepresentation.
一、引言
近年来稀疏表示编码[1]取得了较好的应用,比如在表示自然的图像上。图像可以表示为一组基的线性组合的形式,其中线性组合的表示系数是稀疏的。基于稀疏表示的分类模型(SparseRepresentationbasedClassification,SRC)[2]在人脸识别上取得了很好的效果,SRC算法的思想是:同类别的样本可以由本类中的其他样本的线性组合表示,因此字典直接由训练样本组成,字典的原子就是训练样本。然后在稀疏表示的约束下(范数约束)对测试样本进行稀疏编码,因此测试样本可以看成是字典原子的稀疏线性组合。SRC分类器的设计依据的方法是最小重建误差准则。ZhangLei等人认为SRC算法的成功采用的是协同表示而不是稀疏表示[3],并且提出了基于协同表示的分类(CollaborativerepresentationbasedclassificationCRC)算法,在稀疏编码的时候加上了范数的正则项约束。实验结果表明,CRC算法比SRC算法的分类正确率更高,并且CRC算法的计算复杂度更低[3]。
SRC算法和CRC算法利用原始训练集直接构建字典,然后对测试样本进行稀疏编码。在图片分类任务上,SRC算法和CRC算法在图
您可能关注的文档
- 发挥信息技术作用-提高高中数学教学效果.docx
- 医药业中成药项目节能评估报告模板.docx
- 北京旅游节庆活动发展研究.docx
- 人文关怀在儿科护理中的应用.docx
- 优良食味粳稻新品种南粳晶谷高产高效栽培技术.docx
- 多索茶碱治疗肺癌合并慢阻肺患者的临床分析.docx
- 大数据知识产权制度的理论基础.docx
- Campus-OptiX-(IP-POL)-解决方案技术建议书.docx
- 2024年起重机司机职业资格模拟考试题库及答案(共100题).pdf
- 2024年A特种设备相关管理考试题库(附答案).pdf
- 2023年贵州省贵阳市中级会计职称经济法真题(含答案).pdf
- 区域生态环境建设——高考地理一轮复习大单元知识清单和练习(解析版).pdf
- 2023年国家电网(财务会计类)专业备考题库资料(计算简答题部分).pdf
- 2024-2025北师大版4四年级数学上册(全册)测试卷10套(附答案).pdf
- 2023-2024学年山东省德州市齐河县统编版四年级上册期末考试语文试卷(含答案解析).pdf
- 2024-2025学年江西省九江市初三第二学期期末考试语文试题(含解析).pdf
- 2024-2025学年福建省漳州市诏安县初三年级下册期末考试英语试题(含答案).pdf
- 2024-2025学年湖北重点学校高二数学上学期9月联考试卷(附答案解析).pdf
- 消防装备维护员(高级技能)考试复习题库(供参考).pdf
- 文言文之人物形象(2大陷阱:忽略故事情节+概括能力不足)-2024年中考语文考试易错题(原卷版).pdf
文档评论(0)