基于字典学习的混合采样数据分类方法

• 作者: 于洪 李劼 杨倩 谢永芳
• 来源期刊: 南京航空航天大学学报
• 学科: 工学
• 关键词: 字典学习 分类 Fisher判别 混合采样数据 多视图
• 年，卷（期）: 2019,（5）
• 页码范围: 618-624
• 页数: 7页
• 分类号: TP391
• 字数: 6310字
• 语种: 中文
• DOI: 10.16356/j.1005-2615.2019.05.006

摘要

混合采样数据不仅仅具有不同采样频率数据之间特征集合不同,还有样本数量不一致等特点,传统的分类方法不能直接使用.因此,本文提出一种基于Fisher判别准则字典学习的混合采样数据分类方法以处理采样数据的分类任务.该模型巧妙借助处理多视图数据的分类思想,利用基于Fisher判别准则的字典学习方法,生成的结构化字典的每个原子与数据的类标签相关,同时采用Fisher判别准则使类内散度更小,类间散度更大来约束编码系数矩阵,从而大大提升分类性能.此外,本文针对混合采样数据的样本数量不一致特点,设计了混合采样数据判别分析模型的分类方案.最后实验结果验证了本文方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢永芳	中南大学信息科学与工程学院	101	578	12.0	18.0
2	李劼	中南大学冶金与环境学院	259	2311	22.0	31.0
3	于洪	重庆邮电大学计算智能重庆市重点实验室	61	1645	13.0	40.0
4	杨倩	重庆邮电大学计算智能重庆市重点实验室	6	1	1.0	1.0