Profiles局部特征约束字典学习算法

发布时间：2018-06-13 17:07

  本文选题：字典学习 + 稀疏表示　； 参考：《计算机工程与设计》2017年12期

【摘要】：利用编码系数矩阵的行向量(Profiles)与原子的一一对应关系,构造Profiles局部特征约束字典学习算法。利用Profiles构造自适应的拉普拉斯图,使其表示编码系数矩阵的局部特征;利用原子衡量Profiles的相似性,构造基于局部特征约束的判别式模型,该判别式模型提高了编码系数的判别性能,减少了原子间的自相关性。实验结果表明,较5个对比算法,该算法取得了更高的识别率。
[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.
【作者单位】： 广东技术师范学院工业实训中心;福建省信息处理与智能控制重点实验室(闽江学院);广东技术师范学院自动化学院;
【基金】：国家自然科学基金项目(61370613;61573248) 广东省自然科学基金项目(2014A030313639) 广东科技计划基金项目(2016A040403123) 闽江学院福建省信息处理与智能控制重点实验室开放课题基金项目(MJUKF201720) 广东省普通高校青年创新人才基金项目(2015KQNCX089)
【分类号】：TP181;TP391.41

【相似文献】

相关期刊论文 前10条

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

2 郑斌;李涓子;;一种基于FP-Growth的改进算法[J];平顶山工学院学报;2008年04期

3 朱延广;梅珊;赵雯;朱一凡;;支持复杂产品总体优化设计的多算法协作优化框架研究[J];系统仿真学报;2007年11期

4 张新鹏;王朔中;;基于稀疏表示的密写编码[J];电子学报;2007年10期

5 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期

6 赵瑞珍;王飞;罗阿理;张彦霞;;基于稀疏表示的谱线自动提取方法[J];光谱学与光谱分析;2009年07期

7 杨蜀秦;宁纪锋;何东健;;基于稀疏表示的大米品种识别[J];农业工程学报;2011年03期

8 史加荣;杨威;魏宗田;;基于非负稀疏表示的人脸识别[J];计算机工程与设计;2012年05期

9 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期

10 朱杰;杨万扣;唐振民;;基于字典学习的核稀疏表示人脸识别方法[J];模式识别与人工智能;2012年05期

相关博士学位论文 前10条

1 张磊;基于概念格的角色工程相关算法研究[D];哈尔滨工业大学;2015年

2 王博;面向图像分类的分层稀疏表示方法研究[D];天津大学;2016年

3 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年

4 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年

5 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年

6 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年

7 程广涛;基于压缩感知的人脸识别方法研究[D];天津大学;2015年

8 黄丹丹;基于稀疏表示的视觉目标跟踪方法研究[D];大连理工大学;2016年

9 赵淑欢;欠完备采样环境下面向数据的稀疏表示人脸识别研究[D];燕山大学;2016年

10 刘海仓;基于稀疏表示的图像超分辨率与目标跟踪方法研究[D];湖南大学;2015年

相关硕士学位论文 前10条

1 闫铭;基于度量学习的不完整数据聚类方法研究[D];哈尔滨工业大学;2015年

2 李俊杰;基于蚁群算法的聚类区分器设计研究[D];电子科技大学;2014年

3 陈红强;大规模并行排序学习算法研究[D];西安电子科技大学;2014年

4 郭艳茹;k-中心平面聚类模型与算法研究[D];浙江工业大学;2015年

5 葛娜;高效用项集动态挖掘算法的研究[D];中北大学;2016年

6 叶馨;闭项集挖掘算法在医保目录制定问题上的研究与应用[D];中国科学技术大学;2016年

7 张靓云;面向微博的事件摘要生成算法研究与实现[D];西南交通大学;2016年

8 徐猛;基于关联性挖掘的流形对齐算法研究[D];华侨大学;2016年

9 王有财;车辆前方行人检测算法的研究[D];东北大学;2013年

10 董丽娟;基于关联规则的决策树改进算法在贫困生认定中的应用[D];郑州大学;2016年

，

本文编号：2014745