發(fā)布時間：2018-06-13 17:07

  本文選題：字典學(xué)習(xí) + 稀疏表示　； 參考：《計(jì)算機(jī)工程與設(shè)計(jì)》2017年12期

【摘要】：利用編碼系數(shù)矩陣的行向量(Profiles)與原子的一一對應(yīng)關(guān)系,構(gòu)造Profiles局部特征約束字典學(xué)習(xí)算法。利用Profiles構(gòu)造自適應(yīng)的拉普拉斯圖,使其表示編碼系數(shù)矩陣的局部特征;利用原子衡量Profiles的相似性,構(gòu)造基于局部特征約束的判別式模型,該判別式模型提高了編碼系數(shù)的判別性能,減少了原子間的自相關(guān)性。實(shí)驗(yàn)結(jié)果表明,較5個對比算法,該算法取得了更高的識別率。
[Abstract]:Based on the one-to-one correspondence between the line vector Profiles of the coding coefficient matrix and the atom, the learning algorithm of Profiles local feature constrained dictionary is constructed. Using Profiles to construct an adaptive Laplace diagram to represent the local features of the coding coefficient matrix, using atoms to measure the similarity of Profiles, and to construct a discriminant model based on local feature constraints. The discriminant model improves the discriminant performance of coding coefficients and reduces the autocorrelation between atoms. The experimental results show that the algorithm achieves a higher recognition rate than the five contrast algorithms.
【作者單位】： 廣東技術(shù)師范學(xué)院工業(yè)實(shí)訓(xùn)中心;福建省信息處理與智能控制重點(diǎn)實(shí)驗(yàn)室(閩江學(xué)院);廣東技術(shù)師范學(xué)院自動化學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(61370613;61573248) 廣東省自然科學(xué)基金項(xiàng)目(2014A030313639) 廣東科技計(jì)劃基金項(xiàng)目(2016A040403123) 閩江學(xué)院福建省信息處理與智能控制重點(diǎn)實(shí)驗(yàn)室開放課題基金項(xiàng)目(MJUKF201720) 廣東省普通高校青年創(chuàng)新人才基金項(xiàng)目(2015KQNCX089)
【分類號】：TP181;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;Obtaining Profiles Based on Localized Non-negative Matrix Factorization[J];Wuhan University Journal of Natural Sciences;2004年05期

2 鄭斌;李涓子;;一種基于FP-Growth的改進(jìn)算法[J];平頂山工學(xué)院學(xué)報(bào);2008年04期

3 朱延廣;梅珊;趙雯;朱一凡;;支持復(fù)雜產(chǎn)品總體優(yōu)化設(shè)計(jì)的多算法協(xié)作優(yōu)化框架研究[J];系統(tǒng)仿真學(xué)報(bào);2007年11期

4 張新鵬;王朔中;;基于稀疏表示的密寫編碼[J];電子學(xué)報(bào);2007年10期

5 李映;張艷寧;許星;;基于信號稀疏表示的形態(tài)成分分析:進(jìn)展和展望[J];電子學(xué)報(bào);2009年01期

6 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動提取方法[J];光譜學(xué)與光譜分析;2009年07期

7 楊蜀秦;寧紀(jì)鋒;何東健;;基于稀疏表示的大米品種識別[J];農(nóng)業(yè)工程學(xué)報(bào);2011年03期

8 史加榮;楊威;魏宗田;;基于非負(fù)稀疏表示的人臉識別[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年05期

9 高志榮;熊承義;笪邦友;;改進(jìn)的基于殘差加權(quán)的稀疏表示人臉識別[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

10 朱杰;楊萬扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識別方法[J];模式識別與人工智能;2012年05期

相關(guān)博士學(xué)位論文 前10條

1 張磊;基于概念格的角色工程相關(guān)算法研究[D];哈爾濱工業(yè)大學(xué);2015年

2 王博;面向圖像分類的分層稀疏表示方法研究[D];天津大學(xué);2016年

3 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

4 姚明海;視頻異常事件檢測與認(rèn)證方法研究[D];東北師范大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 薛明;基于稀疏表示的在線目標(biāo)跟蹤研究[D];上海交通大學(xué);2014年

7 程廣濤;基于壓縮感知的人臉識別方法研究[D];天津大學(xué);2015年

8 黃丹丹;基于稀疏表示的視覺目標(biāo)跟蹤方法研究[D];大連理工大學(xué);2016年

9 趙淑歡;欠完備采樣環(huán)境下面向數(shù)據(jù)的稀疏表示人臉識別研究[D];燕山大學(xué);2016年

10 劉海倉;基于稀疏表示的圖像超分辨率與目標(biāo)跟蹤方法研究[D];湖南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 閆銘;基于度量學(xué)習(xí)的不完整數(shù)據(jù)聚類方法研究[D];哈爾濱工業(yè)大學(xué);2015年

2 李俊杰;基于蟻群算法的聚類區(qū)分器設(shè)計(jì)研究[D];電子科技大學(xué);2014年

3 陳紅強(qiáng);大規(guī)模并行排序?qū)W習(xí)算法研究[D];西安電子科技大學(xué);2014年

4 郭艷茹;k-中心平面聚類模型與算法研究[D];浙江工業(yè)大學(xué);2015年

5 葛娜;高效用項(xiàng)集動態(tài)挖掘算法的研究[D];中北大學(xué);2016年

6 葉馨;閉項(xiàng)集挖掘算法在醫(yī)保目錄制定問題上的研究與應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2016年

7 張靚云;面向微博的事件摘要生成算法研究與實(shí)現(xiàn)[D];西南交通大學(xué);2016年

8 徐猛;基于關(guān)聯(lián)性挖掘的流形對齊算法研究[D];華僑大學(xué);2016年

9 王有財(cái);車輛前方行人檢測算法的研究[D];東北大學(xué);2013年

10 董麗娟;基于關(guān)聯(lián)規(guī)則的決策樹改進(jìn)算法在貧困生認(rèn)定中的應(yīng)用[D];鄭州大學(xué);2016年

，

本文編號：2014745