局部敏感的稀疏概念编码及其在图像表示中的应用
矩阵分解算法是模式识别中一种常用的图像表示方法.针对传统的矩阵分解算法不能提取数据本质结构的问题,提出一种局部敏感的稀疏概念编码的图像表示算法.在基向量学习时,利用局部敏感鉴别分析方法提取样本的几何结构和判别信息,使得学习到的基更能体现数据的高层语义结构信息;然后对每个样本在基向量上进行稀疏表示学习,得到样本的表示系数;最后对样本进行表示与分类.在COIL20和ORL数据库中的实验结果表明,与其他几种矩阵分解算法相比,文中算法聚类的准确率和互信息得到了有效的提高,验证了其有效性.
矩阵分解、局部敏感、稀疏概念编码、几何结构、判别信息
26
TP391(计算技术、计算机技术)
国家自然科学基金61272220,61101197;国家自然科学基金重大研究计划重点支持项目90820306
2014-03-19（万方平台首次上网日期，不代表论文的发表时间）
共7页
81-87
