基于 K-SVD 算法的局部约束分析字典学习
计算机视觉与模式识别
2021-04-30 v1
摘要
近年来，分析字典学习（ADL）及其在分类中的应用得到了充分发展，这得益于其灵活的投影能力和较低的分类复杂度。借助学到的分析字典，测试样本可被高效变换至稀疏子空间用于分类。然而，样本数据的内在局部性在分析字典中很少被挖掘以增强分类器的判别能力。本文提出一种基于合成 K-SVD 算法（SK-LADL）的局部约束分析字典学习新模型。该模型通过引入图正则化来考虑内在几何属性，以揭示图像数据的几何结构。通过学到的分析字典，我们将图像变换到一个新的紧致空间，其中流形假设可进一步得到保证，从而局部几何结构可在稀疏表示系数中得以保留。此外，SK-LADL 模型通过合成 K-SVD 与梯度技术迭代求解。图像分类实验验证了所提 SK-LADL 模型的性能优越性。
引用
@article{arxiv.2104.14130,
title = {Locality Constrained Analysis Dictionary Learning via K-SVD Algorithm},
author = {Kun Jiang and Zhaoli Liu and Zheng Liu and Qindong Sun},
journal= {arXiv preprint arXiv:2104.14130},
year = {2021}
}
备注
12 pages, 2 figures