基于竞争聚集的K-SVD字典学习算法

• 作者: 余琨 吴飞 姚永芳 荆晓远
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 稀疏表示 字典学习 聚类 竞争聚集 K-SVD算法
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 44-48
• 页数: 5页
• 分类号: TP301.6
• 字数: 4309字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2015.11.009

摘要

在基于稀疏表示分类的模式识别中,字典学习可以为稀疏表示获得更为精简的数据表示.然而,字典大小是衡量识别精度和速度的重要因素,优化字典设计能同时满足这两方面的需求.文中提出了一种新的技术叫作基于竞争聚集的K奇异值字典学习方法(CA-KSVD).该方法优化了字典的大小,并同时保证了识别的准确率.CA-KSVD将竞争聚集算法中优化簇数的原理引入K-SVD,从而提高了K-SVD的字典学习能力.优化过程从输入大量字典原子开始,逐步减少那些未充分利用或相似的原子,最后得到高性能的字典,它不再包含那些冗余的原子.Extend YaleB和AR人脸数据库上的实验结果表明了文中算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荆晓远	南京邮电大学自动化学院	52	99	5.0	6.0
2	姚永芳	南京邮电大学自动化学院	16	20	2.0	2.0
3	余琨	南京邮电大学自动化学院	1	3	1.0	1.0
4	吴飞	南京邮电大学自动化学院	33	90	5.0	7.0