基于最小l1稀疏图表学习分类的图像识别方法研究

• 作者: 于昕梅 蒋业文
• 来源期刊: 新能源进展
• 学科: 工学
• 关键词: 最小l1 稀疏性 图像分类 图表
• 年，卷（期）: 2013,（1）
• 所属期刊栏目: 论文
• 页码范围: 133-136,204
• 页数: 5页
• 分类号: TN911.72
• 字数: 3551字
• 语种: 中文

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于昕梅	佛山科学技术学院电子与信息工程学院	18	85	6.0	9.0
2	蒋业文	佛山科学技术学院电子与信息工程学院	10	37	2.0	6.0