基于优化字典设计的MOD字典学习算法

• 全文链接
• 请求原文

作   者：

周航;  董西伟;  荆晓远; 

作者机构：

九江学院信息科学与技术学院;  南京邮电大学自动化学院; 

关键词：

MOD算法;  竞争聚集;  字典学习;  稀疏表示; 

期刊名称：

计算机技术与发展

基金项目：

并行子空间学习方法及其大规模图像识别应用研究

i s s n：

1673-629X

年卷期：

2018 年 01 期

页   码：

56-59

摘   要：

在模式识别研究领域,有关人脸识别的研究一直备受关注,并且已经成功地应用于诸多社会公共安全防护领域。近年来,随着压缩感知理论的发展,稀疏表示因其出色的分类性能以及对噪声因素的鲁棒性而受到众多研究者的关注,并且被成功地应用于人脸识别当中。基于稀疏表示的分类算法的性能优劣与学习到的字典息息相关,因此字典的优化设计非常值得深入研究。文中在经典的MOD算法中加入聚类算法,提出一种增强型MOD字典学习算法(E-MOD)。该算法在字典学习阶段使用聚类算法来优化字典的设计,去除冗余的字典原子数,得到性能优秀的字典;接着为了使学习到的字典具有判别性能,进一步使用MOD算法继续学习,最终得到分类效果更佳的字典。在AR和CAS-PEAL人脸数据库上的对比实验有效地验证了E-MOD算法的性能。