基于原子Fisher判别准则约束字典学习算法

作者：李争名; 杨南粤; 岑健

来源：计算机应用, 2017, 37(06): 1716-1740.

DOI：10.11772/j.issn.1001-9081.2017.06.1716

• 字典学习
• Fisher判别准则
• 原子特征
• 协作表示
• 图像分类

为了提高字典的判别性能,提出基于原子Fisher判别准则约束的字典学习算法AFDDL。首先,利用特定类字典学习算法为每个原子分配一个类标,计算同类原子和不同类原子间的散度矩阵。然后,利用类内散度矩阵和类间散度矩阵的迹的差作为判别式约束项,促使不同类原子间的差异最大化,并在最小化同类原子间差异的同时减少原子间的自相关性,使得同类原子尽可能地重构某一类样本,提高字典的判别性能。在AR、FERET和LFW三个人脸数据库和USPS手写字体数据库中进行实验,实验结果表明,在四个图像数据库中,所提算法在识别率和训练时间方面均优于类标一致的K奇异值分解(LC-KSVD)算法、局部特征和类标嵌入约束的字典学习(LCLE-DL)算法、支持矢量指导的字典学习(SVGDL)算法和Fisher判别字典学习算法;且在四个数据库中,该算法也比稀疏表示分类(SRC)和协同表示分类(CRC)取得更高的识别率。

• 单位
  哈尔滨工业大学深圳研究生院; 广东技术师范大学