面向模式分类的块对角结构表示学习
计算机视觉与模式识别
2019-11-26 v1
摘要
基于稀疏表示的分类（SRC）已得到广泛研究并发展用于各种实际信号分类应用。然而，当训练数据和测试数据均被污染时，基于 SRC 的方法性能会下降。为应对该问题，我们提出了一种学习方法，即学习具有块对角结构的表示（RBDS），用于鲁棒图像识别。更具体地，我们首先引入一个正则化项，以捕获训练数据的目标表示矩阵的块对角结构。随后通过优化器求解所得问题。最后，基于学习到的表示，使用一个简单而有效的线性分类器完成分类任务。在多个基准数据集上获得的实验结果证明了所提 RBDS 方法的有效性。
引用
@article{arxiv.1911.10301,
title = {Learning a Representation with the Block-Diagonal Structure for Pattern Classification},
author = {He-Feng Yin and Xiao-Jun Wu and Josef Kittler and Zhen-Hua Feng},
journal= {arXiv preprint arXiv:1911.10301},
year = {2019}
}
备注
accepted by Pattern Analysis and Applications