用于图像分类的核主成分分析网络
机器学习
2015-12-22 v1 计算机视觉与模式识别
摘要
为了用线性分类器对非线性特征进行分类并提高分类精度，提出了一种名为核主成分分析网络（KPCANet）的深度学习网络。首先，利用核主成分分析将数据映射到更高维空间，使数据线性可分。然后，构建双层KPCANet以获得图像的主成分。最后，用线性分类器对主成分进行分类。实验结果表明，所提出的KPCANet在人脸识别、物体识别和手写数字识别中是有效的，并且总体上也优于主成分分析网络（PCANet）。此外，KPCANet对光照具有不变性，并对遮挡和轻微形变具有稳定性。
引用
@article{arxiv.1512.06337,
title = {Kernel principal component analysis network for image classification},
author = {Dan Wu and Jiasong Wu and Rui Zeng and Longyu Jiang and Lotfi Senhadji and Huazhong Shu},
journal= {arXiv preprint arXiv:1512.06337},
year = {2015}
}
备注
7 pages, 1 figure, 4 tables