分类M近邻判别性低秩字典学习算法

《分类M近邻判别性低秩字典学习算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、JournalofComputerApplicationsISSN1001-90812015-06-20计算机应用，2015，35(S1):93－97CODENJYIIDUhttp://www．joca．cn文章编号:1001-9081(2015)S1-0093-05基于分类的M近邻判别性低秩字典学习算法*陈宇，李富生，李霞(深圳大学信息工程学院，广东深圳518052)(*通信作者电子邮箱chenyu．0302@163．com)摘要:针对稀疏编码学习的字典过大而导致字典冗余和计算复杂的问题，提出了一种M近邻判别性低秩字典学习(MLＲ)算法。该算法首先引

2、入低秩表示，去除字典的噪声，使同类字典原子之间具有更强的线性相关性，可增强字典的紧凑性和纯粹性，提高字典的质量。然后用K-奇异值分解(KSVD)算法更新字典，保持字典的表示性能，获取最优的稀疏解。在分类中，结合M近邻思想，可得到与测试样本能量相近的字典原子，增强其聚类能力，并能提高分类的精确度。基于扩展的YaleB和AＲ人脸数据库上的实验结果表明，该方法用较小的字典得到更好的分类性能，并优于对比的算法。关键词:稀疏编码;判别性低秩字典学习;低秩表示;M近邻;字典质量中图分类号:TP391．4文献标志码:AMnearestneighbor'discrim

3、inativelow-rankdictionarylearningalgorithm*CHENYu，LIFusheng，LIXia(CollegeofInformationEngineering，ShenzhenUniversity，ShenzhenGuangdong518052，China)Abstract:Inordertoreducetheredundancyandcomputationalcomplexityofdictionary，thePaperproposedaMnearestneighbordiscriminativelow-rank

4、dictionarylearningmethod(MLＲ)．Low-rankrepresentationisappliedtoremovethenoiseofthedictionary，makingdictionaryatomsofthesamekindhavestrongerlinearcorrelation，leadingtoacompactandpuredictionary，andimprovethequalityofdictionary．ThentheK-SingularValueDecomposition(KSVD)algorithmwasu

5、sedtoupdatethedictionaryandkeepitsrepresentationperformancetoachievethemostsparsesolution．TogetherwiththeideaofMnearestneighbor，themethodisexpectedtoachievethedictionaryatomswiththesameenergywhileincreasingtheabilityofclusteringandenhancingtheclassificationaccuracy．Theexperiment

6、alresultsonextendedYaleBandAＲfacedatabasesdemonstratethatthemethodcangetabetterclassificationperformancewithasmallerdictionaryandoutperformscomparativealgorithms．Keywords:sparsecoding;discriminativelow-rankdictionarylearning;low-rankrepresentation;Mnearestneighbor;dictionaryqual

7、itySingularValueDecompositio，KSVD)算法来学习一个过完备0引言字典，该算法强调的是字典的表示性能。此外，稀疏编码还应［2］［3］在人眼视觉系统中，稀疏编码能够模拟视觉皮层下的神用到图像去噪和视觉显著性等领域。经元对其感受野受到的刺激作出反应，感受野是视觉系统中稀疏编码在生物学领域和计算机视觉领域获得了广泛的信息处理的基本结构和功能单元，是视网膜上引起视觉细胞关注。一般来说，目前所提出的稀疏编码模型可分为两大类:响应的区域。在计算机视觉中，一个输入信号在字典中进行一类是在线字典学习的稀疏编码模型，该模型是通过在有限稀疏编码

8、，得到的非零解即是该信号对字典中相关的原子的的内存上实现大数据集组成的字典进行稀疏编码，比如［