基于多重核的稀疏表示分类  

Multiple Kernel Sparse Representation-Based Classification

作　　者：陈思宝[1,2] 许立仙 罗斌[1,2] 

机构地区：[1]安徽大学计算机科学与技术学院,安徽合肥230601 [2]安徽省工业图像处理与分析重点实验室,安徽合肥230039

出　　处：《电子学报》2014年第9期1807-1811,共5页Acta Electronica Sinica

基　　金：国家自然科学基金项目(No.61202228;No.61073116);高等学校博士科学点专项科研基金联合资助课题(No.20103401120005);安徽省高校自然科学研究重点项目(No.KJ2012A004)

摘　　要：稀疏表示分类(SRC)及核方法在模式识别的很多问题中都得到了成功的运用.为了提高其分类精度,提出多重核稀疏表示及其分类(MKSRC)方法.提出一种快速求解稀疏系数的优化迭代方法并给出了其收敛到全局最优解的证明.对于多重核的权重给出了两种自动更新方式并进行了分析与比较.在不同的人脸图像库上的分类实验显示了所提出的多重核稀疏表示分类的优越性.Sparse representation based classification （SRC） and kernel methods are applied in many pattern recognition prob-lems .In order to improve the classification accuracy ,we propose multiple kernel sparse representation based classification （MK-SRC） .A fast optimization iteration method to solve sparse coefficients and the associated convergence proof to global optimal solu-tion are given .In order to update the kernel weights of MKSRC ,two different updating methods and the associated comparison are given .The experimental results on three face image databases show the superiority of the proposed multiple kernel sparse representa-tion based classification .

关 键 词：稀疏表示分类(SRC) 核方法 多重核 核权重 模式识别 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]