一种用于协同表示的构造最优编码字典方法

摘要：

协同表示在少量的样本情况下的识别率经常达不到既定的期望。为此，提出一种最优字典的构造方法来提高协同表示的分类能力。首先，利用原始训练样本生成伪训练样本；然后，原始训练样本和伪训练样本混合在一起形成初始的编码字典；最后，利用编码字典中的原子与测试样本的相似性来构造最优的编码字典。通过三个被广泛使用的人脸数据库的实验结果表明，与协同表示方法相比，该方法识别率高了近4%~18%，而且相比于同类的一些方法，该方法也取得了较好的识别率。

关键词：协同表示、编码字典、伪样本、期望、计算复杂度

分类号：TP391.41(计算技术、计算机技术)

资助基金：广州市高校科研重点项目10A148

在线出版日期：2014-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：126-130