中央高校基本科研业务费专项资金(CHD2012JC012)
- 作品数：3 被引量：5H指数：1
- 相关作者：徐健常志国赵小强马祥景明利更多>>
- 相关机构：西安邮电学院长安大学西安交通大学更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金陕西省教育厅科研计划项目更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 以图像分类为目标的字典学习算法被引量：1
- 2013年
- 综述了字典学习算法的主要研究方向之一,即以图像分类为目标的稀疏表示字典学习算法。从空间变换法和类别指示法两个角度,分析各种算法的优缺点,并对相应的实验结果进行比较。总结了利用这类算法进行图像分类时所面临的其他一些关键问题,如模式识别中的旋转不变性和计算速度等。依据目前已有的技术和应用需求,探寻该领域未来的研究方向。
- 徐健常志国赵小强
- 关键词：图像分类原子
- 基于自适应梯度最速下降的分类字典训练算法被引量：3
- 2013年
- 为提高稀疏表示字典用于图像分类时的正确率,提出一种基于自适应梯度最速下降的分类字典训练算法。该算法采用交替梯度下降法解决分类字典训练的双变量优化模型。为提高收敛速度,并保证稀疏表示残差和不同类别对应字典原子间的不相关性同时收敛,采用自适应步长,推导证明自适应步长的计算方法。通过固定字典,运用当前字典和训练样本计算出稀疏表示系数的下降方向和自适应步长,按照稀疏度约束将小系数置零,固定稀疏表示系数,利用稀疏表示系数和样本找到字典的下降方向和自适应步长。实验结果表明,该算法在手写字符识别中正确率能达到96.51%。
- 徐健常志国赵小强马祥
- 关键词：图像分类手写字符识别自适应步长
- 采用遗传算法的分层贪婪字典训练算法被引量：1
- 2012年
- 针对稀疏表示残差过大的问题,提出了采用遗传算法的分层贪婪字典训练算法.该算法首先将数据样本变成一维信号,然后将问题划分为若干个子问题,采用贪婪算法思想分层训练字典.为了以一定概率寻找到每一层字典的最优值,使用遗传算法来训练每一层字典,最后将每层字典级联作为最终的字典.在训练每一层字典时,先采用号码矩阵对样本的分类进行表示,然后以平均低秩逼近的残差能量作为衡量适应度的参数,以联赛选择的方式选出优胜个体,通过单点交叉和变异方法产生新的个体.对二值序列的稀疏表示信号重建的实验结果表明,该算法在训练样本量较小的情况下,与传统的核奇异值分解算法相比,训练得到的字典在同样的稀疏度约束下重建信噪比提高了10倍以上.
- 徐健景明利齐春常志国
- 关键词：信号重建遗传算法
