核稀疏概念编码算法及在图像表示中的应用

发布时间：2017-09-21 19:06

  本文关键词：核稀疏概念编码算法及在图像表示中的应用

  更多相关文章： 基向量 数据表示 核 非线性 稀疏编码 谱回归

【摘要】：稀疏编码算法是一种常用的图像数据表示方法.为了处理高度非线性分布的数据,文中提出了一种核稀疏概念编码算法,并应用于图像表示.该算法首先对邻域图进行谱分析,提取数据的几何流形结构信息;然后将原始特征空间数据映射到高维特征空间中,利用谱回归在高维特征空间中来计算基向量;最后在高维特征空间中对每个样本逐个进行表示.文中算法不仅能有效地处理非线性结构数据,而且只需求解一个稀疏特征值问题和两个回归问题,计算简单有效.在Yale、ORL和PIE图像库的聚类实验表明,文中算法的准确率和归一化互信息均优于其它几种对比算法.
【作者单位】： 江苏理工学院计算机工程学院;南京理工大学计算机科学与工程学院;
【关键词】： 基向量 数据表示 核 非线性 稀疏编码 谱回归
【基金】：国家自然科学基金(61472166,61503195,61302124,11274091)~~
【分类号】：TP391.41
【正文快照】： i引言在模式识别与机器学习领域,分类的效率往往在很大程度上依赖于数据的表示方式.因此,在进行建模时通常会对数据进行预处理,提取数据中的关键信息用于模型学习.目前,基于稀疏编码的表示学习算法是研究的热点问题之一,已被广泛应用到计算机视觉、生物特征识别与文本分析等领

【相似文献】

中国期刊全文数据库 前10条

1 黄巍;陈传波;郑运平;吴雪丽;;可重叠矩形多值图像表示及其上的几何矩生成[J];计算机科学;2008年10期

2 陶金金;黄秀清;陆云;高强;;基于重叠矩形图像表示方法的贝塞尔-傅里叶矩快速计算[J];软件导刊;2013年07期

3 曹奎,冯玉才,王元珍;一种基于颜色的图像表示及全局相似检索技术[J];计算机研究与发展;2001年09期

4 程兵,贾新春,郑南宁,袁泽剑;基于水平差集的多精度图像表示及绘制[J];西安交通大学学报;2002年04期

5 黄巍;陈传波;郑运平;吴雪丽;;基于非对称逆布局图像表示的近邻寻找算法[J];计算机工程与科学;2009年03期

6 舒振球;赵春霞;张浩峰;;局部敏感的稀疏概念编码及其在图像表示中的应用[J];计算机辅助设计与图形学学报;2014年01期

7 康寅;杨文川;;图像表示及在检索系统中的应用[J];软件;2011年01期

8 宋彦;蒋兵;戴礼荣;;基于多视觉码本的图像表示[J];模式识别与人工智能;2013年10期

9 刘艳丽,曹奎;一种基于PCA的图像表示与检索技术[J];计算机应用与软件;2003年04期

10 张琳波;王春恒;肖柏华;邵允学;;基于Bag-of-phrases的图像表示方法[J];自动化学报;2012年01期

中国重要会议论文全文数据库 前1条

1 于万波;赵庆贤;易欣;;基于神经网的图像表示方法[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

中国重要报纸全文数据库 前1条

1 池健;信息技术在设计工作中的反映[N];中华建筑报;2008年

中国博士学位论文全文数据库 前10条

1 江波;基于图理论与稀疏约束模型的图像表示、匹配与识别[D];安徽大学;2015年

2 谢凌曦;基于局部特征的图像表示模型理论与实践[D];清华大学;2015年

3 朱杰;基于颜色词袋模型的图像表示方式[D];北京交通大学;2016年

4 杨政;基于带约束矩阵的图像表示与检索算法研究[D];浙江大学;2016年

5 李大瑞;基于大规模视觉模式学习的高性能图像表示[D];中国科学技术大学;2014年

6 黄巍;基于可重叠矩形子模式的图像表示和操作方法研究[D];华中科技大学;2008年

7 李亚峰;图像表示的若干问题研究[D];西安电子科技大学;2011年

8 吴中;大规模图像搜索中的图像表示模型[D];清华大学;2010年

9 肖延辉;基于矩阵分解的图像表示理论及其应用研究[D];北京交通大学;2014年

10 吴雪丽;基于斜面分解的非对称逆布局图像表示方法与处理算法研究[D];华中科技大学;2009年

中国硕士学位论文全文数据库 前4条

1 焦绪国;基于单层稀疏自编码和支持向量机的场景分类[D];重庆大学;2015年

2 罗序辉;基于目标的场景图像表示及分类[D];华东师范大学;2016年

3 阚世超;基于显著性区域的分步聚类目标搜索[D];北京交通大学;2016年

4 陆永亮;基于偏微分方程和多边形的非对称逆布局图像表示方法研究[D];华中科技大学;2009年

，

本文编号：896337