基于监督学习的稀疏编码及在数据表示中的应用
来源期刊:控制与决策2014年第6期
论文作者:舒振球 赵春霞 张浩峰
文章页码:1115 - 1119
关键词:矩阵分解;鉴别分析;稀疏编码;数据表示;拟合;
摘 要:针对稀疏编码在数据表示时没有利用样本类别信息的问题,提出一种基于监督学习的稀疏编码算法,并应用于数据表示.首先利用样本的类别信息构建图,直接提取样本的鉴别结构信息;然后利用基向量拟合鉴别结构特性向量,进而在基向量中嵌入样本的鉴别信息;最后对样本逐个进行稀疏表示.在COIL20和PIE图像库的实验结果表明,相比几种无监督矩阵分解算法,所提出的算法更利于样本的表示和分类.
舒振球,赵春霞,张浩峰
南京理工大学计算机科学与工程学院
摘 要:针对稀疏编码在数据表示时没有利用样本类别信息的问题,提出一种基于监督学习的稀疏编码算法,并应用于数据表示.首先利用样本的类别信息构建图,直接提取样本的鉴别结构信息;然后利用基向量拟合鉴别结构特性向量,进而在基向量中嵌入样本的鉴别信息;最后对样本逐个进行稀疏表示.在COIL20和PIE图像库的实验结果表明,相比几种无监督矩阵分解算法,所提出的算法更利于样本的表示和分类.
关键词:矩阵分解;鉴别分析;稀疏编码;数据表示;拟合;