| 基于多重核的稀疏表示分类 |
| |
| 引用本文： | 陈思宝,许立仙,罗斌.基于多重核的稀疏表示分类[J].电子学报,2014,42(9):1807-1811. |
| |
| 作者姓名： | 陈思宝 许立仙 罗斌 |
| |
| 作者单位： | 1. 安徽大学计算机科学与技术学院, 安徽合肥 230601;
2. 安徽省工业图像处理与分析重点实验室, 安徽合肥 230039 |
| |
| 基金项目： | 国家自然科学基金项目(No ．61202228，No ．61073116)；高等学校博士科学点专项科研基金联合资助课题(No ．20103401120005)；安徽省高校自然科学研究重点项目 |
| |
| 摘 要： | 稀疏表示分类（SRC）及核方法在模式识别的很多问题中都得到了成功的运用.为了提高其分类精度，提出多重核稀疏表示及其分类（MKSRC）方法.提出一种快速求解稀疏系数的优化迭代方法并给出了其收敛到全局最优解的证明.对于多重核的权重给出了两种自动更新方式并进行了分析与比较.在不同的人脸图像库上的分类实验显示了所提出的多重核稀疏表示分类的优越性.
|
| 关 键 词： | 稀疏表示分类(SRC) 核方法 多重核 核权重 模式识别 |
| 收稿时间： | 2013-08-11 |
Multiple Kernel Sparse Representation-Based Classification |
| |
| CHEN Si-bao,XU Li-xian,LUO Bin.Multiple Kernel Sparse Representation-Based Classification[J].Acta Electronica Sinica,2014,42(9):1807-1811. |
| |
| Authors: | CHEN Si-bao XU Li-xian LUO Bin |
| |
| Affiliation: | 1. School of Computer Science and Technology, Anhui University, Hefei, Anhui 230601, China;
2. Key Laboratory for Industrial Image Processing and Analysis of Anhui Province, Hefei, Anhui 230039, China |
| |
| Abstract: | Sparse representation based classification (SRC) and kernel methods are applied in many pattern recognition problems.In order to improve the classification accuracy,we propose multiple kernel sparse representation based classification (MKSRC).A fast optimization iteration method to solve sparse coefficients and the associated convergence proof to global optimal solution are given.In order to update the kernel weights of MKSRC,two different updating methods and the associated comparison are given.The experimental results on three face image databases show the superiority of the proposed multiple kernel sparse representation based classification. |
| |
| Keywords: | sparse representation based classification (SRC) kernel method multiple kernel kernel weight pattern recog-nition |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《电子学报》浏览原始摘要信息 |
|
点击此处可从《电子学报》下载全文 |
