-
题名基于多重核的稀疏表示分类
被引量：5
- 1
-
-
作者
陈思宝
许立仙
罗斌
-
机构
安徽大学计算机科学与技术学院
安徽省工业图像处理与分析重点实验室
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2014年第9期1807-1811,共5页
-
基金
国家自然科学基金项目(No.61202228
No.61073116)
+1 种基金
高等学校博士科学点专项科研基金联合资助课题(No.20103401120005)
安徽省高校自然科学研究重点项目(No.KJ2012A004)
-
文摘
稀疏表示分类(SRC)及核方法在模式识别的很多问题中都得到了成功的运用.为了提高其分类精度,提出多重核稀疏表示及其分类(MKSRC)方法.提出一种快速求解稀疏系数的优化迭代方法并给出了其收敛到全局最优解的证明.对于多重核的权重给出了两种自动更新方式并进行了分析与比较.在不同的人脸图像库上的分类实验显示了所提出的多重核稀疏表示分类的优越性.
-
关键词
稀疏表示分类(src)
核方法
多重核
核权重
模式识别
-
Keywords
kernel method
multiple kernel
kernel weight
pattern recog-nition
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于自适应权重的多重稀疏表示分类算法
被引量：2
- 2
-
-
作者
段刚龙
魏龙
李妮
-
机构
西安理工大学信息管理系
-
出处
《计算机工程与应用》
CSCD
2014年第8期173-177,246,共6页
-
基金
陕西省科技厅工业攻关项目(No.2011K06-13)
陕西省教育厅自然科学研究项目(No.11JK0985)
-
文摘
提出了一种基于多特征字典的稀疏表示算法。该算法针对SRC的单特征鉴别性较弱这一不足,对样本提出多个不同特征并分别进行相应的稀疏表示。并根据SRC算法计算各个特征的鉴别性,自适应地学习出稀疏权重并进行线性加权,从而提高分类的性能。实验表明,基于自适应权重的多重稀疏表示分类算法,具有更好的分类效果。
-
关键词
自适应权重
多重稀疏表示
稀疏表示分类器(src)
-
Keywords
adaptive weight
multiple sparse representation
Sparse Representation Classifier（src）
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于L_0稀疏约束的近似稀疏解人耳识别
被引量：1
- 3
-
-
作者
田莹
李雪滢
张德斌
-
机构
辽宁科技大学软件学院
-
出处
《计算机应用研究》
CSCD
北大核心
2017年第6期1917-1920,共4页
-
基金
辽宁省教育厅资助项目(L2014115)
-
文摘
传统的人耳识别算法在人耳图像遮挡、噪声和人耳多姿态变化中表现出低识别率,近年来稀疏表示在模式识别领域中取得了很好的成果。决定稀疏分类器识别精确度的因素主要是稀疏解的稀疏度,而稀疏度的估计就是稀疏向量中非0元素的估计,即向量L_0范数。因此在人耳稀疏分类算法的研究中引入L_0范数稀疏约束。采取基于SRC(sparse representation-based classification)稀疏模型,选取对人耳姿态变化具有强鲁棒性的特征逼近过完备字典,然后使用OMP(orthogonal matching pursuit)算法直接解L_0问题,并加入稀疏约束,从优化稀疏解的角度对人耳稀疏分类算法进行改进,提高了人耳识别效率。
-
关键词
src稀疏分类
OMP算法
L0稀疏约束
-
Keywords
src sparse classification
OMP algorithm
L0 sparse constrain
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名改进稀疏表示算法在人脸识别中的应用
被引量：2
- 4
-
-
作者
刘霞
罗文辉
苏义鑫
-
机构
武汉理工大学自动化学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第14期191-197,共7页
-
基金
湖北省自然科学基金(No.2015CFB586)
-
文摘
人脸识别的主要难度在于,受到光照变化、表情变化以及遮挡的影响,会使得采集的不同人的人脸图像具有相似性。为有效解决基于稀疏表示的分类算法(Sparse Representation-based Classification,SRC)在人脸训练样本不足时会导致识别率降低和稀疏表示求解效率较低的问题,提出了基于判别性低秩分解与快速稀疏表示分类(LowRank Recovery Fast Sparse Representation-based Classification,LRR_FSRC)的人脸识别算法。利用低秩分解理论得到低秩恢复字典以及稀疏误差字典,结合低秩分解和结构不相干理论,训练出判别性低秩类字典和稀疏误差字典,并把它们结合作为测试时所用的字典;用坐标下降法来求解稀疏系数以提高了计算效率;根据重构误差实现测试样本的分类。在YALE和ORL数据库上的实验结果表明,提出的基于LRR_FSRC的人脸识别方法具有较高的识别率和计算效率。
-
关键词
人脸识别
稀疏表示
低秩矩阵恢复
坐标下降法
基于稀疏表示的分类(src)算法
-
Keywords
face recognition
sparse representation
low rank matrix recovery
coordinate descent method
Sparse Representation-based Classification(src)method
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
