| 类别约束下的低秩优化特征字典构造方法 |
| |
| 引用本文： | 吕煊,刘玉淑,丁洪富,李爱迪.类别约束下的低秩优化特征字典构造方法[J].计算机应用,2014,34(9):2668-2672. |
| |
| 作者姓名： | 吕煊 刘玉淑 丁洪富 李爱迪 |
| |
| 作者单位： | 1. 重庆市国土资源和房屋勘测规划院，重庆 400020；
2. 齐鲁工业大学 电气与自动化学院，济南 250353 |
| |
| 摘 要： | 字典模型(BOW)是一种经典的图像描述方法，模型中特征字典的构造方法至关重要。针对特征字典构造问题，提出了一种类别约束下的低秩优化特征字典构造方法LRC-DT，通过低秩优化的方法使训练出来的特征字典在描述同类图像时表示系数矩阵的秩相对较低，从而将类别信息引入到字典学习中，提高字典对图像描述的可分辨性。在标准公测库Caltech-101和Caltech-256上的实验结果表明：将SPM、稀疏编码下的SPM(ScSPM)、局部线性编码(LLC)和线性核函数的SPM(LSPM)编码方法中的特征字典替换为加入低秩约束(LRC)的特征字典后，随着训练样本数目增多，字典模型的分类准确率与未引入低秩约束的方法相比有所提高。
|
| 关 键 词： | 字典模型 低秩优化 低秩描述 图像描述 图像分类 |
| 收稿时间： | 2014-03-11 |
| 修稿时间： | 2014-05-09 |
Low-rank optimization characteristic dictionary training approach with category constraint |
| |
| LYU Xuan,LIU Yushu,DING Hongfu,LI Aidi.Low-rank optimization characteristic dictionary training approach with category constraint[J].journal of Computer Applications,2014,34(9):2668-2672. |
| |
| Authors: | LYU Xuan LIU Yushu DING Hongfu LI Aidi |
| |
| Affiliation: | 1. Chongqing Land Resources Housing Surveying and Planning Institute, Chongqing 400020, China
2. School of Electrical Engineering and Automation, Qilu University of Technology, Jinan Shandong 250353, China |
| |
| Abstract: | |
| |
| Keywords: | Bag Of Words (BOW) low-rank optimization low-rank representation image representation image classification |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用》浏览原始摘要信息 |
|
点击此处可从《计算机应用》下载全文 |
