摘要
针对基于传统的稀疏表示分类算法的单特征鉴别性较弱这一不足,提出一种基于自适应学习的多特征元素协同表示分类算法SLMCE_CRC。该算法结合多特征子字典的思想,对样本提出特征元素的双重分解,并分别从特征和元素角度分别进行相应的协同表示,自适应地学习出各个特征的稀疏权重和元素的残差权重,并进行线性加权,从而实现目标的分类。实验结果表明,使用该方法能显著提高识别率,尤其对含有较多特征细节的图像数据,具有一定的实用价值。
学科与关键词
关键词
自适应权重协同表示稀疏表示特征提取元素分解 adaptive weightCollaborative Representation(CR)sparse representationfeature extractionelements decomposition
- 自适应残差加权的多元素协同表示分类算法王建仁; 魏龙; 段刚龙计算机系统应用, 2014, (05): 152-157.
- 基于自适应权重的多重稀疏表示分类算法段刚龙; 魏龙; 李妮计算机工程与应用, 2012, (08): 173.
- 一种新的稀疏表示分类方法及其在图像识别中的应用徐广飞无线互联科技, 2013, (06): 188.
