KCRC-LCD：用于视觉分类的具有局部约束字典的判别性核协同表示
计算机视觉与模式识别
2014-10-20 v1 机器学习
摘要
我们研究了通过具有局部约束字典的核协同表示分类（KCRC-LCD）进行图像分类的问题。具体而言，我们提出了一种核协同表示分类（KCRC）方法，其中利用核方法来提高协同表示分类（CRC）的判别能力。随后，我们测量查询样本与全局字典中原子之间的相似度，以构建用于 KCRC 的局部约束字典（LCD）。此外，我们讨论了 LCD 中的几种相似度度量方法，并进一步提出了一种简单而有效的统一相似度度量，其优越性在实验中得到了验证。LCD 具有几个吸引人的方面。首先，LCD 可以很好地融入 KCRC 框架。LCD 相似度度量可以在 KCRC 下进行核化，这在理论上将 CRC 和 LCD 在核方法下联系起来。其次，KCRC-LCD 对训练集大小和特征维度都具有更好的可扩展性。示例表明，KCRC 能够完美分类具有特定分布的数据，而传统 CRC 则完全失效。在许多公共数据集上的综合实验也表明，KCRC-LCD 是一种鲁棒的判别分类器，具有优异的性能和良好的可扩展性，可与许多其他最先进的方法相媲美或优于它们。
引用
@article{arxiv.1410.4673,
title = {KCRC-LCD: Discriminative Kernel Collaborative Representation with Locality Constrained Dictionary for Visual Categorization},
author = {Weiyang Liu and Zhiding Yu and Lijia Lu and Yandong Wen and Hui Li and Yuexian Zou},
journal= {arXiv preprint arXiv:1410.4673},
year = {2014}
}