摘要
稀疏表示系数包含较强的鉴别信息,稀疏保持投影(Sparsity Preserving Projections,SPP)利用稀疏表示系数进行特征提取.本文通过核方法获取高维特征空间的核稀疏表示系数,并利用核稀疏表示系数构造邻接矩阵,提出核稀疏保持投影(Kernel Sparsity Preserving Projections,KSPP).核稀疏表示系数比稀疏表示系数包含更强的鉴别信息,因此KSPP可以比SPP提取更有效的鉴别特征.在多个数据库上的生物特征识别实验,KSPP都取得了不错的实验结果.
学科与关键词
关键词
稀疏表示邻接矩阵稀疏保持投影核方法 sparse representationadjacency matrixsparsity preserving projectionskernel method
- 基于稀疏保持拉普拉斯判别分析的特征提取算法任迎春; 王志成; 赵卫东; 彭磊同济大学学报(自然科学版), 2016, 44(4).
- Multiple Kernel Sparse Representation Based ClassificationHao, Zheng; Fan, Liu; Zhong, JinCommunications in Computer and Information Science, Springer Berlin Heidelberg, 48-55, 2012.被引 3
- 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.
