本文關(guān)鍵詞：核稀疏概念編碼算法及在圖像表示中的應(yīng)用

  更多相關(guān)文章： 基向量 數(shù)據(jù)表示 核 非線性 稀疏編碼 譜回歸

【摘要】：稀疏編碼算法是一種常用的圖像數(shù)據(jù)表示方法.為了處理高度非線性分布的數(shù)據(jù),文中提出了一種核稀疏概念編碼算法,并應(yīng)用于圖像表示.該算法首先對鄰域圖進行譜分析,提取數(shù)據(jù)的幾何流形結(jié)構(gòu)信息;然后將原始特征空間數(shù)據(jù)映射到高維特征空間中,利用譜回歸在高維特征空間中來計算基向量;最后在高維特征空間中對每個樣本逐個進行表示.文中算法不僅能有效地處理非線性結(jié)構(gòu)數(shù)據(jù),而且只需求解一個稀疏特征值問題和兩個回歸問題,計算簡單有效.在Yale、ORL和PIE圖像庫的聚類實驗表明,文中算法的準確率和歸一化互信息均優(yōu)于其它幾種對比算法.
【作者單位】： 江蘇理工學院計算機工程學院;南京理工大學計算機科學與工程學院;
【關(guān)鍵詞】： 基向量 數(shù)據(jù)表示 核 非線性 稀疏編碼 譜回歸
【基金】：國家自然科學基金(61472166,61503195,61302124,11274091)~~
【分類號】：TP391.41
【正文快照】： i引言在模式識別與機器學習領(lǐng)域,分類的效率往往在很大程度上依賴于數(shù)據(jù)的表示方式.因此,在進行建模時通常會對數(shù)據(jù)進行預(yù)處理,提取數(shù)據(jù)中的關(guān)鍵信息用于模型學習.目前,基于稀疏編碼的表示學習算法是研究的熱點問題之一,已被廣泛應(yīng)用到計算機視覺、生物特征識別與文本分析等領(lǐng)

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 黃巍;陳傳波;鄭運平;吳雪麗;;可重疊矩形多值圖像表示及其上的幾何矩生成[J];計算機科學;2008年10期

2 陶金金;黃秀清;陸云;高強;;基于重疊矩形圖像表示方法的貝塞爾-傅里葉矩快速計算[J];軟件導刊;2013年07期

3 曹奎,馮玉才,王元珍;一種基于顏色的圖像表示及全局相似檢索技術(shù)[J];計算機研究與發(fā)展;2001年09期

4 程兵,賈新春,鄭南寧,袁澤劍;基于水平差集的多精度圖像表示及繪制[J];西安交通大學學報;2002年04期

5 黃巍;陳傳波;鄭運平;吳雪麗;;基于非對稱逆布局圖像表示的近鄰尋找算法[J];計算機工程與科學;2009年03期

6 舒振球;趙春霞;張浩峰;;局部敏感的稀疏概念編碼及其在圖像表示中的應(yīng)用[J];計算機輔助設(shè)計與圖形學學報;2014年01期

7 康寅;楊文川;;圖像表示及在檢索系統(tǒng)中的應(yīng)用[J];軟件;2011年01期

8 宋彥;蔣兵;戴禮榮;;基于多視覺碼本的圖像表示[J];模式識別與人工智能;2013年10期

9 劉艷麗,曹奎;一種基于PCA的圖像表示與檢索技術(shù)[J];計算機應(yīng)用與軟件;2003年04期

10 張琳波;王春恒;肖柏華;邵允學;;基于Bag-of-phrases的圖像表示方法[J];自動化學報;2012年01期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 于萬波;趙慶賢;易欣;;基于神經(jīng)網(wǎng)的圖像表示方法[A];中國圖象圖形學會第十屆全國圖像圖形學術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 池健;信息技術(shù)在設(shè)計工作中的反映[N];中華建筑報;2008年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 江波;基于圖理論與稀疏約束模型的圖像表示、匹配與識別[D];安徽大學;2015年

2 謝凌曦;基于局部特征的圖像表示模型理論與實踐[D];清華大學;2015年

3 朱杰;基于顏色詞袋模型的圖像表示方式[D];北京交通大學;2016年

4 楊政;基于帶約束矩陣的圖像表示與檢索算法研究[D];浙江大學;2016年

5 李大瑞;基于大規(guī)模視覺模式學習的高性能圖像表示[D];中國科學技術(shù)大學;2014年

6 黃巍;基于可重疊矩形子模式的圖像表示和操作方法研究[D];華中科技大學;2008年

7 李亞峰;圖像表示的若干問題研究[D];西安電子科技大學;2011年

8 吳中;大規(guī)模圖像搜索中的圖像表示模型[D];清華大學;2010年

9 肖延輝;基于矩陣分解的圖像表示理論及其應(yīng)用研究[D];北京交通大學;2014年

10 吳雪麗;基于斜面分解的非對稱逆布局圖像表示方法與處理算法研究[D];華中科技大學;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 焦緒國;基于單層稀疏自編碼和支持向量機的場景分類[D];重慶大學;2015年

2 羅序輝;基于目標的場景圖像表示及分類[D];華東師范大學;2016年

3 闞世超;基于顯著性區(qū)域的分步聚類目標搜索[D];北京交通大學;2016年

4 陸永亮;基于偏微分方程和多邊形的非對稱逆布局圖像表示方法研究[D];華中科技大學;2009年

，

本文編號：896337