带支持向量判别项的局部约束字典学习用于模式分类
计算机视觉与模式识别
2019-11-25 v1
摘要
判别字典学习（DDL）因其在各种模式分类任务中的优异表现而近期受到广泛关注。然而，传统 DDL 方法未能充分挖掘原子的局部性，制约了分类性能。本文提出一种带支持向量判别项的局部约束字典学习（LCDL-SV），通过采用所学字典的图拉普拉斯矩阵来保持局部性信息。为在训练阶段联合学习分类器，将支持向量判别项引入所提目标函数。此外，在分类阶段，测试数据的身份由正则化残差与所学的多类支持向量机共同决定。最后，利用交替策略求解所得优化问题。在基准数据库上的实验结果表明，我们所提方法在手工特征和深度特征上均优于以往的字典学习方法。我们提出的 LCDL-SV 源代码可在 https://github.com/yinhefeng/LCDL-SV 获取。
引用
@article{arxiv.1911.10003,
title = {Locality Constraint Dictionary Learning with Support Vector for Pattern Classification},
author = {He-Feng Yin and Xiao-Jun Wu and Su-Gen Chen},
journal= {arXiv preprint arXiv:1911.10003},
year = {2019}
}
备注
submitted to IEEE Access