新能源进展
新能源進展
신능원진전
Advances in New and Renewable Enengy
2013年
1期
133-136,204
,共5页
最小l1%稀疏性%图像分类%图表
最小l1%稀疏性%圖像分類%圖錶
최소l1%희소성%도상분류%도표
l1-minimization%sparsity%image classification%graph
利用信号的稀疏性建立图像分类处理模型是图像识别技术的新应用.通过分析最小l1范数稀疏性的原理,本文导出了一种最小l1范数稀疏性十字“花束”多面体实现模型,并在此基础上,构造了一种l1图表学习分类算法.通过与几种常用的图像分类算法比较,实验结果说明,本文提出的l1图表学习分类算法具有更高的分类精度和有效性.
利用信號的稀疏性建立圖像分類處理模型是圖像識彆技術的新應用.通過分析最小l1範數稀疏性的原理,本文導齣瞭一種最小l1範數稀疏性十字“花束”多麵體實現模型,併在此基礎上,構造瞭一種l1圖錶學習分類算法.通過與幾種常用的圖像分類算法比較,實驗結果說明,本文提齣的l1圖錶學習分類算法具有更高的分類精度和有效性.
이용신호적희소성건립도상분류처리모형시도상식별기술적신응용.통과분석최소l1범수희소성적원리,본문도출료일충최소l1범수희소성십자“화속”다면체실현모형,병재차기출상,구조료일충l1도표학습분류산법.통과여궤충상용적도상분류산법비교,실험결과설명,본문제출적l1도표학습분류산법구유경고적분류정도화유효성.
