[发明专利]一种基于稀疏表示字典学习的图像分类方法有效
| 申请号： | 201710070963.2 | 申请日： | 2017-02-09 |
| 公开（公告）号： | CN106803105B | 公开（公告）日： | 2020-02-21 |
| 发明（设计）人： | 尹宝才;朴星霖;胡永利;孙艳丰 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/66;G06K9/46 |
| 代理公司： | 北京中北知识产权代理有限公司 11253 | 代理人： | 冯梦洪 |
| 地址： | 100124 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
本发明公开一种基于稀疏表示字典学习的图像分类方法，其可以消除不同类字典之间的相关性从而提高其判别性能，提高字典的表示能力以及字典学习模型的鲁棒性。该方法采用基于块对角稀疏表示字典学习算法模型， |
||
| 搜索关键词： | 一种 基于 稀疏 表示 字典 学习 图像 分类 方法 | ||
【主权项】：
一种基于稀疏表示字典学习的图像分类方法，其特征在于：该方法采用基于块对角稀疏表示字典学习算法模型，minW,Xτ||X||1+λΣi=1C||Xii||*+α||X||F2+||Y-YWX||F2,s.t.X=diag(X11,X22,...,Xnn).---(1)]]>其中||X||1表示矩阵稀疏约束，||Xii||*表示矩阵低秩约束，表示矩阵正则项，表示训练样本，第i个子块矩阵Yi表示第i类训练样本，第j列向量yj表示第j个训练样本，YW表示基于训练样本的线性组合字典，表示字典组合系数，X表示训练样本Y在字典YW上的稀疏表示系数，Xii表示第i类训练样本在第i类子字典上的稀疏表示系数，m表示样本维度，N表示样本数量，K＝K1+K2+...KC表示字典原子个数，Ki表示第i类子字典的原子个数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京工业大学，未经北京工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710070963.2/，转载请声明来源钻瓜专利网。
