基于局部类内结构的鉴别性字典学习方法

摘要：

针对支持向量引导的字典学习(support vector guided dictionary learning,SVGDL)的鉴别约束项只体现了大间隔原理,而没有很好地利用数据空间内在结构信息的问题,提出了一种新颖的鉴别性字典学习方法——基于局部类内结构的鉴别性字典学习方法.该方法结合了大间隔原理和局部Fisher线性鉴别分析作为鉴别约束条件来指导指点学习.通过建立一个局部类内散度矩阵来编码数据空间的分布结构,增强了挖掘同类数据空间局部结构的能力并进一步地表示了编码向量在数据空间中的局部相似性.为了评价提出方法在图像识别上的表现,在几个常见图像数据集上进行了实验.结果表明,提出方法与大间隔方法相比,在平均识别率上有着明显的提高.

关键词：字典学习、协作表示、支持向量机、局部Fisher鉴别分析、图像识别

所属期刊栏目：38

分类号：TP393.04(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;西华大学研究生创新基金资助项目

在线出版日期：2021-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：489-494,500