摘要
近年来,稀疏表示分类(SRC)方法在图像识别中受到越来越多的关注。SRC方法将测试样本分在最小重构误差所对应的类别中,这种决策方法对SRC的稀疏原理不是最优的。为了从稀疏编码系数中得到鉴别性更强的信息,本文提出一种新的决策规则——"系数和"规则。在Yale数据库和MNIST数据库上的实验结果表明本文提出的方法要优于原始SRC方法。
学科与关键词
关键词
稀疏表示分类图像识别系数和规则MNIST数据库
- 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.
- 自适应学习的多特征元素协同表示分类算法王建仁; 魏龙; 段刚龙; 黄梯云计算机应用, 2014, (04): 1094.
- 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.
