%0 Journal Article
%T 基于监督学习的稀疏编码及在数据表示中的应用
%A 舒振球
%A 赵春霞
%A 张浩峰
%J 控制与决策
%P 1115-1119
%D 2014
%R 10.13195/j.kzyjc.2013.0274
%X 针对稀疏编码在数据表示时没有利用样本类别信息的问题,提出一种基于监督学习的稀疏编码算法,并应用于数据表示.首先利用样本的类别信息构建图,直接提取样本的鉴别结构信息;然后利用基向量拟合鉴别结构特性向量,进而在基向量中嵌入样本的鉴别信息;最后对样本逐个进行稀疏表示.在COIL20和PIE图像库的实验结果表明,相比几种无监督矩阵分解算法,所提出的算法更利于样本的表示和分类.
%K 矩阵分解
%K 鉴别分析
%K 稀疏编码
%K 数据表示
%K 拟合
%U http://www.kzyjc.net:8080/CN/abstract/abstract12710.shtml