赵令
- 作品数：3 被引量：13H指数：3
- 供职机构：安徽大学计算机科学与技术学院更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金安徽省高校省级自然科学研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于核Fisher判别字典学习的稀疏表示分类被引量：4
- 2014年
- 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。
- 陈思宝赵令罗斌
- 关键词：核空间FISHER判别
- 局部保持的稀疏表示字典学习被引量：6
- 2014年
- 稀疏表示分类中的字典选择至关重要,为了用较少的字典原子更好地表示原始训练样本的局部信息,并且使学习出的字典更加具有判别信息,提出了一种基于局部保持准则的稀疏表示字典学习方法.该方法将局部保持准则强加在编码系数上,使得学习出的字典具有相近数据点的编码系数也保持近邻关系的特性,从而保持原始训练样本的局部信息.在扩展YaleB、AR和COIL20数据库上的实验结果表明,文中方法的分类识别结果优于其他方法,说明该方法是有效的.
- 陈思宝赵令罗斌
- 关键词：字典学习模式识别
- 基于局部保持的核稀疏表示字典学习被引量：3
- 2014年
- 为了利用核技巧提高分类性能,在局部保持的稀疏表示字典学习的基础上,提出了两种核化的稀疏表示字典学习方法.首先,原始训练数据被投影到高维核空间,进行基于局部保持的核稀疏表示字典学习;其次,在稀疏系数上强加核局部保持约束,进行基于核局部保持的核稀疏表示字典学习,实验结果表明,该方法的分类识别结果优于其他方法。
- 陈思宝赵令罗斌
- 关键词：字典学习核空间
