图像分类中多流形上的词典学习
Dictionary learning on multiple manifolds for image classification作者机构:清华大学电子工程系北京100084
出 版 物:《清华大学学报(自然科学版)》 (Journal of Tsinghua University(Science and Technology))
年 卷 期:2012年第52卷第4期
页 面:575-579页
核心收录:
学科分类:11[军事学] 13[艺术学] 08[工学] 110503[军事学-军事通信学] 1305[艺术学-设计学(可授艺术学、工学学位)] 0810[工学-信息与通信工程] 1105[军事学-军队指挥学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0805[工学-材料科学与工程(可授工学、理学学位)] 081002[工学-信号与信息处理] 081101[工学-控制理论与控制工程] 0701[理学-数学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金资助项目(61171118) 高等学校博士学科点专项科研基金项目(SRFDP-20110002110057)
摘 要:传统的基于稀疏编码的图像分类算法没有考虑不同特征之间的关系。针对这一不足,该文提出了一种新的词典学习算法。该算法考虑特征所处的多个流形空间上的拓扑结构,并显式地对其进行建模,然后将该模型嵌入到稀疏编码算法中构造多流形上的词典优化目标函数。为求解该优化问题,还提出了使用坐标下降的方法,同时给出了收敛性分析。在图像分类3个基准数据集上的实验结果表明,提出的算法分类性能超过了基于传统稀疏编码的算法。这也进一步证明了该算法的有效性。