计算机辅助设计与图形学学报
計算機輔助設計與圖形學學報
계산궤보조설계여도형학학보
JOURNAL OF COMPUTER-AIDED DESIGN & COMPUTER GRAPHICS
2014年
1期
81-87
,共7页
矩阵分解%局部敏感%稀疏概念编码%几何结构%判别信息
矩陣分解%跼部敏感%稀疏概唸編碼%幾何結構%判彆信息
구진분해%국부민감%희소개념편마%궤하결구%판별신식
matrix factorization%locality sensitive%sparse concept coding%geometrical structure%discriminate information
矩阵分解算法是模式识别中一种常用的图像表示方法.针对传统的矩阵分解算法不能提取数据本质结构的问题,提出一种局部敏感的稀疏概念编码的图像表示算法.在基向量学习时,利用局部敏感鉴别分析方法提取样本的几何结构和判别信息,使得学习到的基更能体现数据的高层语义结构信息;然后对每个样本在基向量上进行稀疏表示学习,得到样本的表示系数;最后对样本进行表示与分类.在COIL20和ORL数据库中的实验结果表明,与其他几种矩阵分解算法相比,文中算法聚类的准确率和互信息得到了有效的提高,验证了其有效性.
矩陣分解算法是模式識彆中一種常用的圖像錶示方法.針對傳統的矩陣分解算法不能提取數據本質結構的問題,提齣一種跼部敏感的稀疏概唸編碼的圖像錶示算法.在基嚮量學習時,利用跼部敏感鑒彆分析方法提取樣本的幾何結構和判彆信息,使得學習到的基更能體現數據的高層語義結構信息;然後對每箇樣本在基嚮量上進行稀疏錶示學習,得到樣本的錶示繫數;最後對樣本進行錶示與分類.在COIL20和ORL數據庫中的實驗結果錶明,與其他幾種矩陣分解算法相比,文中算法聚類的準確率和互信息得到瞭有效的提高,驗證瞭其有效性.
구진분해산법시모식식별중일충상용적도상표시방법.침대전통적구진분해산법불능제취수거본질결구적문제,제출일충국부민감적희소개념편마적도상표시산법.재기향량학습시,이용국부민감감별분석방법제취양본적궤하결구화판별신식,사득학습도적기경능체현수거적고층어의결구신식;연후대매개양본재기향량상진행희소표시학습,득도양본적표시계수;최후대양본진행표시여분류.재COIL20화ORL수거고중적실험결과표명,여기타궤충구진분해산법상비,문중산법취류적준학솔화호신식득도료유효적제고,험증료기유효성.
