模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2014, Vol. 27 Issue (3): 199-205    DOI:
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
稀疏相似性度量的模糊鉴别分析方法
宋晓宁1,2,3,徐勇4
1江苏科技大学 计算机科学与工程学院 镇江 212003
2江南大学 物联网工程学院 无锡 214122
3南京理工大学 计算机科学与技术学院 南京 210094
Fuzzy Discriminant Analysis Based on Sparse Similarity Measurement
SONG Xiao Ning1,2,3,XU Yong4
1.School of Computer Science and Engineering,Jiangsu University of Science and Technology,Zhenjiang 212003
2.School of Internet of Things Engineering,Jiangnan University,Wuxi 214122
3.School of Computer Science and Technology,Nanjing University of Science & Technology,Nanjing 210094
4.Bio Computing Research Center,Shenzhen Graduate School,Harbin Institute of Technology,Shenzhen 518055

全文: PDF (0 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 稀疏表示的数学本质就是稀疏正则化约束下的信号分解.提出一种稀疏相似性的模糊鉴别分析方法.首先,各高维图像样本划分成若干相同大小的局部块并以脊波序列表示,其次通过一种新型稀疏学习算法获得系数分解和对应的稀疏相似性度量,由此构造出稀疏相似度嵌入的模糊鉴别分析准则.该方法利用新型稀疏监督学习作为特征提取工具,克服了传统鉴别分析方法缺乏样本间结构知识的缺点,可有效解决高维非线性小样本问题.在ORL和FERET人脸数据库上的实验结果验证了算法的有效性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
Abstract:The mathematic essence of sparse representation is signal decomposition under the constraint of sparsity regularization. A fuzzy discriminant analysis based on sparse similarity measurement is proposed in this paper. Each high dimensional image sample is firstly partitioned into several local blocks with equal size by the proposed algorithm,and these local blocks are combined to represent the samples as a Ridgelet sequence. Then,a new sparse learning algorithm is presented for coefficient decomposition and the corresponding sparse similarity measurement,and the fuzzy discriminant analysis criterion is subsequently developed by embedding the sparse similarity. The proposed algorithm successfully utilizes the novel sparse supervised learning algorithm as a feature extraction tool. Meanwhile ,it overcomes the shortcomings of traditional discriminant analysis method derived from the lack of structure knowledge between samples,especially in the case of high dimensional nonlinear small sample sizes. The experimental results on the ORL and FERET face images show the effectiveness of the proposed method.
收稿日期: 2012-12-06     
ZTFLH: TP 391.41  
基金资助:国家自然科学基金项目(No.61100116)、中国博士后科学基金项目(No.2011M500926)、江苏省自然科学基金项目(No.BK2012700)、江苏省博士后科学基金项目(No.1102063C)、人工智能四川省重点实验室开放基金项目(No.2012RZY02)、浙江大学CAD&CG国家重点实验室开放课题项目(No.A1418)资助。
作者简介: 宋晓宁(通讯作者),男,1975年生,副教授,博士后,主要研究方向为模式识别与智能系统、图像识别、计算机视觉.E-mail:xnsong@yahoo.com.cn.徐勇,男,1972年生,教授,博士生导师,主要研究方向为模式识别、图像处理、计算机视觉.
引用本文:   
宋晓宁,徐勇. 稀疏相似性度量的模糊鉴别分析方法[J]. 模式识别与人工智能, 2014, 27(3): 199-205. SONG Xiao Ning,XU Yong. Fuzzy Discriminant Analysis Based on Sparse Similarity Measurement. , 2014, 27(3): 199-205.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2014/V27/I3/199
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn