原文服务方: 计算机应用研究       
摘要:
航拍图像往往具有场景复杂、数据维度大的特点,对于该类图像的自动分类一直是研究的热点.针对航拍原始数据特征维度过高和数据线性不可分的问题,在字典学习和稀疏表示的基础上提出了一种结合核字典学习和线性鉴别分析的目标识别方法.首先学习核字典并通过核字典获取目标样本的稀疏表示,挖掘数据的内部结构;其次采用线性鉴别分析,加强稀疏表示的可分性;最后利用支持向量机对目标进行分类.实验结果表明,与传统基于子空间特征提取的算法和基于字典学习的算法相比,基于核字典学习与鉴别分析的算法分类性能优越.
推荐文章
以图像分类为目标的字典学习算法
图像分类
稀疏表示
字典训练
原子
基于学习字典的图像类推方法
图像类推
稀疏表示
学习字典
l1范数
基于字典学习的图像稀疏去噪算法
稀疏字典
K-SVD算法
字典学习
稀疏去噪
基于自适应半耦合字典学习的超分辨率图像重建
超分辨率重建
半耦合字典学习
自适应
核范
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于核字典学习的图像分类
来源期刊 计算机应用研究 学科
关键词 目标分类 稀疏表示 核字典学习 线性鉴别分析 支持向量机
年,卷(期) 2017,(12) 所属期刊栏目 图形图像技术
研究方向 页码范围 3820-3824
页数 5页 分类号 TP751
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2017.12.068
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 骆建华 上海交通大学航空航天学院 18 103 6.0 9.0
2 徐俊 上海交通大学航空航天学院 31 243 9.0 15.0
3 李元祥 上海交通大学航空航天学院 37 227 8.0 13.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (25)
参考文献  (13)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(3)
  • 参考文献(3)
  • 二级参考文献(0)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
目标分类
稀疏表示
核字典学习
线性鉴别分析
支持向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导