基于Profiles的Fisher判别约束字典学习算法

摘要：

为了增强编码系数的判别性能,提出编码系数矩阵行向量(Profiles)的Fisher判别字典(Pro-files of fisher discriminative dictionary learning,PFDDL)学习算法.首先,根据Profiles能反映原子在字典学习中的使用情况,提出一种自适应的原子类标构造方法.然后,利用Profiles与原子间的一一对应关系,设计Profiles的Fisher判别准则作为判别式项,使得同类原子对应Profiles的类内散度尽可能小,不同类原子对应Profiles的类间散度尽可能大,促使字典中的同类原子尽量表示同类训练样本,提高编码系数的判别性能.在3个人脸和1个手写字体数据库上的实验结果表明,提出的算法比其他稀疏编码和字典学习算法能取得更高的分类性能.

关键词：字典学习、稀疏表示、Fisher判别、协作表示

所属期刊栏目：33

分类号：TN911.73

资助基金：广东省自然科学基金2014A030313639;闽江学院福建省信息处理与智能控制重点实验室开放课题MJUKF201720;广东省科技应用型重大专项2016B020243011;广州市科技计划201607010206

在线出版日期：2018-11-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：911-920