研究目的
提出一种降维方法,在核空间中改进基于稀疏表示的分类(SRC),该方法在最小化类内重构残差的同时最大化类间重构残差。
研究成果
所提出的KSRC算法通过在核空间中最大化类间重建残差误差并最小化类内重建残差误差,有效提高了基于稀疏表示分类器的识别精度。在三个图像数据库上的实验结果表明,其性能优于其他被测试方法。
研究不足
该研究未讨论所提方法的计算复杂度或其在大规模数据集上的可扩展性。
研究目的
提出一种降维方法,在核空间中改进基于稀疏表示的分类(SRC),该方法在最小化类内重构残差的同时最大化类间重构残差。
研究成果
所提出的KSRC算法通过在核空间中最大化类间重建残差误差并最小化类内重建残差误差,有效提高了基于稀疏表示分类器的识别精度。在三个图像数据库上的实验结果表明,其性能优于其他被测试方法。
研究不足
该研究未讨论所提方法的计算复杂度或其在大规模数据集上的可扩展性。
加载中....
您正在对论文“[ACM出版社第三届国际会议 - 中国桂林(2018年5月19日-2018年5月20日)] 第三届智能信息处理国际会议论文集 - ICIIP '18 - 基于核稀疏表示的降维方法及其在图像分类中的应用”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期