本文選題：目標(biāo)識(shí)別　切入點(diǎn)：維數(shù)約簡(jiǎn)　出處：《電子學(xué)報(bào)》2016年03期 　論文類型：期刊論文

【摘要】：稀疏表示技術(shù)的引入可有效解決降維處理對(duì)圖參數(shù)的依賴,但這類降維方法不能同時(shí)兼顧稀疏重構(gòu)和樣本數(shù)據(jù)的鄰近性問題.針對(duì)該問題,本文提出了一種基于局部約束編碼的稀疏保持投影降維識(shí)別方法.通過稀疏表示分類模型構(gòu)建了圖邊權(quán)矩陣,引入局部約束因子設(shè)計(jì)了降維投影模型,推導(dǎo)降維求解過程,分析了本文方法與SPP(Sparse Preserving Projections)和SLPP(Soft Locality Preserving Projections)方法之間的共性和區(qū)別,最后給出了識(shí)別算法流程.采用人臉圖像數(shù)據(jù)集和高分辨SAR(Synthetic Aperture Radar)圖像數(shù)據(jù)集對(duì)算法的有效性進(jìn)行仿真驗(yàn)證,由于考慮了數(shù)據(jù)間的鄰近性,本文方法較傳統(tǒng)方法可獲得更好的識(shí)別性能.
[Abstract]:The introduction of sparse representation technology can effectively solve the dependence of graph parameters on dimensionality reduction processing, but this kind of dimensionality reduction method can not take into account the problem of sparse reconstruction and the proximity of sample data. In this paper, a sparse preserving projection dimensionality reduction recognition method based on local constraint coding is proposed. The graph edge weight matrix is constructed by sparse representation classification model, the reduced dimension projection model is designed by introducing the local constraint factor, and the dimensionality reduction solution process is deduced. The generality and difference between this method and SPP(Sparse Preserving projects and SLPP(Soft Locality Preserving projects are analyzed. Finally, the recognition algorithm flow is given. The validity of the algorithm is verified by using face image data set and high resolution SAR(Synthetic Aperture Radar-based image data set. Considering the proximity of data, this method can obtain better recognition performance than the traditional method.
【作者單位】： 海軍航空工程學(xué)院電子信息工程系;海軍航空工程學(xué)院7系;海軍航空工程學(xué)院信息融合研究所;
【基金】：國(guó)家自然科學(xué)基金(No.61102167;No.61302008;No.61179016;No.61102165)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭軼;蔡體健;;稀疏表示的人臉識(shí)別及其優(yōu)化算法[J];華東交通大學(xué)學(xué)報(bào);2012年01期

2 段菲;章毓晉;;一種面向稀疏表示的最大間隔字典學(xué)習(xí)算法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年04期

3 李仲生;李仁發(fā);蔡則蘇;趙乘麟;;稀疏表示下的非監(jiān)督顯著對(duì)象提取[J];電子學(xué)報(bào);2012年06期

4 段菲;章毓晉;;基于多尺度稀疏表示的場(chǎng)景分類[J];計(jì)算機(jī)應(yīng)用研究;2012年10期

5 胡正平;李靜;白洋;;基于樣本-擴(kuò)展差分模板的聯(lián)合雙稀疏表示人臉識(shí)別[J];信號(hào)處理;2012年12期

6 姜芳芳;;稀疏表示理論在提高數(shù)字圖像質(zhì)量中的應(yīng)用[J];科技創(chuàng)新導(dǎo)報(bào);2012年36期

7 馬莉娜;;增強(qiáng)的兩階段測(cè)試樣本稀疏表示方法[J];福建電腦;2013年07期

8 尹學(xué)忠;樊甫華;;基于字典學(xué)習(xí)的超寬帶信號(hào)稀疏表示與降噪方法[J];計(jì)算機(jī)應(yīng)用研究;2014年06期

9 張佳宇;彭力;;基于聯(lián)合動(dòng)態(tài)稀疏表示方法的多圖像人臉識(shí)別算法[J];江南大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

10 陳才扣;喻以明;史俊;;一種快速的基于稀疏表示分類器[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

相關(guān)會(huì)議論文 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識(shí)別研究[A];虛擬運(yùn)營(yíng)與云計(jì)算——第十八屆全國(guó)青年通信學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識(shí)別[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號(hào)處理及其研究進(jìn)展[A];中國(guó)聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2013年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

相關(guān)碩士學(xué)位論文 前10條

1 張琨雨;在線字典訓(xùn)練及加權(quán)差異性稀疏表示的研究[D];大連理工大學(xué);2011年

2 王勇;基于稀疏表示的人臉識(shí)別研究[D];五邑大學(xué);2013年

3 李義真;基于詞包與稀疏表示的場(chǎng)景分類[D];華南理工大學(xué);2013年

4 孫麗花;基于稀疏表示的人臉識(shí)別方法研究[D];河南科技大學(xué);2013年

5 陳天嬌;基于分組稀疏和權(quán)重稀疏表示的人臉識(shí)別研究[D];安徽大學(xué);2014年

6 劉自成;基于稀疏表示的雷達(dá)目標(biāo)角度與距離估計(jì)[D];西安電子科技大學(xué);2014年

7 李立;基于稀疏表示的人臉圖像識(shí)別方法研究[D];南京理工大學(xué);2012年

8 滿江月;基于稀疏表示的代價(jià)敏感性人臉識(shí)別算法研究[D];南京郵電大學(xué);2012年

9 趙廣鑾;稀疏表示在圖像識(shí)別中的應(yīng)用[D];北京郵電大學(xué);2013年

10 羅燕龍;基于局部稀疏表示模型的在線字典學(xué)習(xí)跟蹤算法研究[D];廈門大學(xué);2014年

，

本文編號(hào)：1592368