面向分类的增量字典学习算法

• 作者: 吴飞 张志武 荆晓远
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 增量学习 字典学习 类特定字典 稀疏编码 稀疏表示分类
• 年，卷（期）: 2017,（10）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 167-171,185
• 页数: 6页
• 分类号: TP18
• 字数: 5580字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.10.028

摘要

针对面向分类的传统字典学习方法在大数据集上批量学习时计算代价较高的问题,提出一种类特定的增量式字典学习算法.该算法在初始训练集上进行类特定的字典学习得到初始字典,通过增量数据集选取增量字典原子初始值.根据不能在初始字典上稀疏表示且互信息最大的原则,从增量样本集中选取若干样本作为增量字典原子的初始值.在保持原有字典原子不变的情况下,迭代更新编码系数和增量字典原子,直至收敛得到新的字典.利用稀疏表示分类器,在Eclipse数据集和ORL人脸图像数据库上的实验结果验证了该算法的分类有效性和计算代价上的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荆晓远	南京邮电大学自动化学院	52	99	5.0	6.0
3	吴飞	南京邮电大学自动化学院	33	90	5.0	7.0
4	张志武	南京邮电大学计算机学院	10	55	3.0	7.0