基于判别性解析字典与分类器学习的模式分类

• 作者: 李丹 李巧 杨春雨 陈花竹
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 判别性解析字典 分类器学习 稀疏表示
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 165-171
• 页数: 7页
• 分类号: TP391
• 字数: 6320字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1812-0056

摘要

稀疏表示(Sparse Representation,SR)和字典学习(Dictionary Learning,DL)已被广泛用于编码特征数据并有助于模式分类.现有方法通常使用l1/l2范数或每类使用特定字典来强制SR的类判别能力,但由此产生的类判别能力有限.在这项工作中,提出使用训练集作为训练样本的SR的综合字典,因为它为每类数据提供了最自然的特定字典.训练集的类信息可用于增强SR的判别能力:精确块对角线结构,意味着每个数据只能由同类中数据表示.为了使测试阶段容易,在训练集的判别SR的监督下学习解析字典和线性分类器.一旦学习了解析字典和分类器,测试阶段就非常简单并且高效.称之为判别分析字典与分类器学习(Discriminative Analysis Dictionary and Classifier Learning,DADCL).大量实验表明,该方法具有较好的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李丹	西安电子科技大学数学与统计学院	15	271	4.0	15.0
2	杨春雨	西安电子科技大学数学与统计学院	2	5	1.0	2.0
3	李巧	西安电子科技大学数学与统计学院	1	0	0.0	0.0
4	陈花竹	西安电子科技大学数学与统计学院	1	0	0.0	0.0