基于矢量表示组合的字典学习性能分析
作者:
作者单位:

作者简介:

通讯作者:

基金项目:

贵州省科技计划项目(黔科合重大专项字[2018]3001); 贵州省公共大数据重点实验室开放课题(2018BDKFJJ001)


Dictionary Learning Performance Analysis Based on Combination of Vector Representations
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    在字典学习算法中, 使用图像的多矢量表示相比单一矢量表示, 可以获得分类精度更高且更具有鲁棒性的分类模型. 本文中我们采用多种矢量表示的组合以及合理的加权对数和方案, 来提升字典算法的性能. 通过在公共人脸数据集上进行实验, 验证了我们的方法应用于字典学习具有更高的准确度和鲁棒性. 充分挖掘和利用表示多样性可以获得被观察对象的各种潜在外观以及图像高分类精度.

    Abstract:

    In the dictionary learning algorithms, the model by the multi-vector representation can obtain better classification performance and more robustness than that by the single vector representation. In this study, we use the combined representation fused multiple vector representations and reasonable weighted logarithms sum schemes to improve the performance of the dictionary algorithm. Experiments on public face datasets verify that dictionary learning algorithms applied with proposed method has higher accuracy and robustness. It illustrates that the various potential appearances of observed objects generated by fully mining and utilizing the diversity of representations are beneficial to improve the performance of images classification.

    参考文献
    相似文献
    引证文献
引用本文

焦健雄,孙利雷,徐勇.基于矢量表示组合的字典学习性能分析.计算机系统应用,2021,30(1):174-179

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2020-06-03
  • 最后修改日期:2020-06-30
  • 录用日期:
  • 在线发布日期: 2020-12-31
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号