基于稀疏表示分类中的主动字典学习
计算机视觉与模式识别
2014-09-30 v2
摘要
稀疏表示利用字典原子重构输入向量，近年来得到了深入研究。合适的字典是稀疏表示成功的关键。本文介绍了一种主动字典学习 (ADL) 方法，其中将分类误差和重构误差作为字典构建中原子选择的主动学习准则。学习到的字典在基于稀疏表示的分类 (SRC) 中计算。分类准确率和重构误差用于评估所提出的字典学习方法。将所提出的字典学习方法的性能与其他方法进行了比较，包括无监督字典学习和全训练数据字典。基于 UCI 数据集和人脸数据集的实验结果证明了该方法的有效性。
引用
@article{arxiv.1409.5763,
title = {Active Dictionary Learning in Sparse Representation Based Classification},
author = {Jin Xu and Haibo He and Hong Man},
journal= {arXiv preprint arXiv:1409.5763},
year = {2014}
}