基于低秩分解的联合动态稀疏表示多观测样本分类算法

• 作者: 胡正平 赵淑欢 高红霄
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 模式识别 多观测样本分类 低秩矩阵恢复 联合动态稀疏表示
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 学术论文
• 页码范围: 440-446
• 页数: 7页
• 分类号: TP391.41
• 字数: 5798字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2015.03.004

摘要

通过互联网易获得同一对象的多个无约束的观测样本,针对如何解决无约束观测样本带来的识别困难及充分利用多观测样本数据信息提高其分类性能问题,提出基于低秩分解的联合动态稀疏表示多观测样本分类算法.该算法首先寻找到一组最佳的图像变换域,使得变换图像可以分解成一个低秩矩阵和一个相关的稀疏误差矩阵;然后对低秩矩阵和稀疏误差矩阵分别进行联合动态稀疏表示,以便充分利用类级的相关性和原子级的差异性,即使多观测样本的稀疏表示向量在类级别上分享相同的稀疏模型,而在原子级上采用不同的稀疏模型;最后利用总的稀疏重建误差进行类别判决.在CMU-PIE人脸数据库、ETH--80物体识别数据库、USPS手写体数字数据库和UMIST人脸数据库上进行对比实验,实验结果表明本方法的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡正平	燕山大学信息科学与工程学院	160	1215	17.0	28.0
2	赵淑欢	燕山大学信息科学与工程学院	13	120	6.0	10.0
3	高红霄	燕山大学信息科学与工程学院	2	7	1.0	2.0