计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
4期
1094-1098,1104
,共6页
王建仁%魏龙%段刚龙%黄梯云
王建仁%魏龍%段剛龍%黃梯雲
왕건인%위룡%단강룡%황제운
自适应权重%协同表示%稀疏表示%特征提取%元素分解
自適應權重%協同錶示%稀疏錶示%特徵提取%元素分解
자괄응권중%협동표시%희소표시%특정제취%원소분해
adaptive weight%Collaborative Representation (CR)%sparse representation%feature extraction%elements decomposition
针对基于传统的稀疏表示分类算法的单特征鉴别性较弱这一不足,提出一种基于自适应学习的多特征元素协同表示分类算法SLMCE_CRC.该算法结合多特征子字典的思想,对样本提出特征元素的双重分解,并分别从特征和元素角度分别进行相应的协同表示,自适应地学习出各个特征的稀疏权重和元素的残差权重,并进行线性加权,从而实现目标的分类.实验结果表明,使用该方法能显著提高识别率,尤其对含有较多特征细节的图像数据,具有一定的实用价值.
針對基于傳統的稀疏錶示分類算法的單特徵鑒彆性較弱這一不足,提齣一種基于自適應學習的多特徵元素協同錶示分類算法SLMCE_CRC.該算法結閤多特徵子字典的思想,對樣本提齣特徵元素的雙重分解,併分彆從特徵和元素角度分彆進行相應的協同錶示,自適應地學習齣各箇特徵的稀疏權重和元素的殘差權重,併進行線性加權,從而實現目標的分類.實驗結果錶明,使用該方法能顯著提高識彆率,尤其對含有較多特徵細節的圖像數據,具有一定的實用價值.
침대기우전통적희소표시분류산법적단특정감별성교약저일불족,제출일충기우자괄응학습적다특정원소협동표시분류산법SLMCE_CRC.해산법결합다특정자자전적사상,대양본제출특정원소적쌍중분해,병분별종특정화원소각도분별진행상응적협동표시,자괄응지학습출각개특정적희소권중화원소적잔차권중,병진행선성가권,종이실현목표적분류.실험결과표명,사용해방법능현저제고식별솔,우기대함유교다특정세절적도상수거,구유일정적실용개치.
