检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 基于弹性网和直方图相交的非负局部稀疏编码

万源, 张景会, 陈治平, 孟晓静

计算机应用 2019, 39 (3): 706-711. DOI: 10.11772/j.issn.1001-9081.2018071483

摘要（461）

PDF （1007KB）（356）

针对稀疏编码模型在字典基的选择时忽略了群效应，且欧氏距离不能有效度量特征与字典基之间距离的问题，提出基于弹性网和直方图相交的非负局部稀疏编码方法（EH-NLSC）。首先，在优化函数中引入弹性网模型，消除字典基选择数目的限制，能够选择多组相关特征而排除冗余特征，提高了编码的判别性和有效性。然后，在局部性约束中引入直方图相交，重新定义特征与字典基之间的距离，确保相似的特征可以共享其局部的基。最后采用多类线性支持向量机进行分类。在4个公共数据集上的实验结果表明，与局部线性约束的编码算法（LLC）和基于非负弹性网的稀疏编码算法（NENSC）相比，EH-NLSC的分类准确率分别平均提升了10个百分点和9个百分点，充分体现了其在图像表示和分类中的有效性。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于多层非负局部Laplacian稀疏编码的图像分类

万源, 张景会, 吴克风, 孟晓静

计算机应用 2018, 38 (9): 2489-2494. DOI: 10.11772/j.issn.1001-9081.2018020501

摘要（715）

PDF （1164KB）（572）

针对单层稀疏编码结构对图像特征学习能力的局限性问题，提出了一个基于图像块稀疏表示的深层架构，即多层融合局部性和非负性的Laplacian稀疏编码算法（MLLSC）。对每个图像平均区域划分并进行尺度不变特征变换（SIFT）特征提取，在稀疏编码阶段，在Laplacian稀疏编码的优化函数中添加局部性和非负性，在第一层和第二层分别进行字典学习和稀疏编码，分别得到图像块级、图像级的稀疏表示，为了去除冗余特征，在进行第二层稀疏编码之前进行主成分分析（PCA）降维，最后采用多类线性支持向量机进行分类。在四个标准数据集上进行验证，实验结果表明，MLLSC方法具有高效的特征学习能力，能够捕获图像更深层次的特征信息，相对于单层结构算法准确率提高了3%~13%，相对于多层稀疏编码算法准确率提高了1%~2.3%；并对不同参数进行了对比分析，充分展现了其在图像分类中的有效性。

参考文献 | 相关文章 | 多维度评价