基于自适应梯度最速下降的分类字典训练算法

• 作者: 常志国 徐健 赵小强 马祥
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 图像分类 字典训练 稀疏表示 手写字符识别 双变量优化 自适应步长
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 225-229
• 页数: 5页
• 分类号: TP301.6
• 字数: 3555字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2013.05.050

摘要

为提高稀疏表示字典用于图像分类时的正确率,提出一种基于自适应梯度最速下降的分类字典训练算法.该算法采用交替梯度下降法解决分类字典训练的双变量优化模型.为提高收敛速度,并保证稀疏表示残差和不同类别对应字典原子间的不相关性同时收敛,采用自适应步长,推导证明自适应步长的计算方法.通过固定字典,运用当前字典和训练样本计算出稀疏表示系数的下降方向和自适应步长,按照稀疏度约束将小系数置零,固定稀疏表示系数,利用稀疏表示系数和样本找到字典的下降方向和自适应步长.实验结果表明,该算法在手写字符识别中正确率能达到96.51％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵小强	西安邮电学院通信与信息工程学院	39	307	11.0	15.0
2	马祥	长安大学信息工程学院	14	43	3.0	6.0
3	徐健	西安邮电学院通信与信息工程学院	14	142	7.0	11.0
7	常志国	长安大学信息工程学院	15	82	6.0	8.0