| 基于子编码和全编码联合惩罚的稀疏表示字典学习方法 |
| |
| 引用本文： | 董俊健,毛启容,胡素黎,詹永照. 基于子编码和全编码联合惩罚的稀疏表示字典学习方法[J]. 计算机科学, 2014, 41(10): 122-127 |
| |
| 作者姓名： | 董俊健 毛启容 胡素黎 詹永照 |
| |
| 作者单位： | 江苏大学计算机科学与通信工程学院 镇江212013 |
| |
| 基金项目： | 本文受国家自然科学基金面上项目(61272211,61170126),江苏省自然科学基金面上项目(BK2011521),高级人才启动基金项目(10JDG065)资助 |
| |
| 摘 要： | 针对目前稀疏表示字典学习的惩罚函数版本不一且各有优势的问题,提出基于子编码和全编码联合惩罚的稀疏表示字典学习方法,该方法在字典学习的目标函数中同时加入子编码惩罚函数和全编码惩罚函数。子编码惩罚函数使得学习后的字典在稀疏表示识别时可以用子字典的重构误差和子字典上编码系数的大小来识别,全编码惩罚函数则能直接利用整个字典上的编码系数来识别,通过联合这两个惩罚函数可以获得非常好的识别效果。为了验证所提方法的有效性,在语音情感库和人脸库上与最新的基于字典学习的稀疏表示识别方法 DKSVD和FDDL进行对比,并与著名的识别方法SVM和SRC进行比较,实验结果显示所提方法具有更好的识别性能。
|
| 关 键 词： | 稀疏表示识别 结构化字典学习 惩罚函数 稀疏编码 语音情感识别 人脸识别 |
| 收稿时间： | 2013-06-30 |
| 修稿时间： | 2013-08-09 |
Sub-coding and Entire-coding Jointly Penalty Based Sparse Representation Dictionary Learning |
| |
| DONG Jun-jian,MAO Qi-rong,HU Su-li and ZHAN Yong-zhao. Sub-coding and Entire-coding Jointly Penalty Based Sparse Representation Dictionary Learning[J]. Computer Science, 2014, 41(10): 122-127 |
| |
| Authors: | DONG Jun-jian MAO Qi-rong HU Su-li ZHAN Yong-zhao |
| |
| Affiliation: | School of Computer Science and Communication Engineering,Jiangsu University,Zhenjiang 212013,China;School of Computer Science and Communication Engineering,Jiangsu University,Zhenjiang 212013,China;School of Computer Science and Communication Engineering,Jiangsu University,Zhenjiang 212013,China;School of Computer Science and Communication Engineering,Jiangsu University,Zhenjiang 212013,China |
| |
| Abstract: | |
| |
| Keywords: | Sparse representation based classification Structured dictionary learning Penalty function Sparse coding Emotion speech recognition Face recognition |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《计算机科学》浏览原始摘要信息 |
|
点击此处可从《计算机科学》下载全文 |
|
