ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

核稀疏保持投影及生物特征识别应用

殷俊; 杨万扣东南大学; 上海海事大学; 自动化学院
电子学报2013-4-15
3阅读
引用收藏
分享

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
相关
加载中…
  • 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 Classification
    Hao, 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.
查看全部 →

发表信息

论文状态
公开发表
期刊
电子学报
发表日期
2013-04-15
卷期
第 04 期
页码
639-645
成果收录
CHINAJOURNAL
资助标注
国家自然科学基金青年基金(No.61005008)

作者

  • 殷

    殷俊 (第一作者)

  • 杨

    杨万扣

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417