基于稀疏重构残差和随机森林的集成分类算法 - 南京大学学报（自然科学）.pdf

( ) 南京大学学报 自然科学 第 卷 第 期 , 52 6 Vol.52 No.6 JOURNALOFNANJINGUNIVERSITY 年 月 , 2016 11 Nov.2016 ( ) NATURALSCIENCES : / DOI10.13232 .cnki.nu.2016.06.017 j jj 基于稀疏重构残差和随机森林的集成分类算法 * , , 曹冬寅 王 琼 张兴敢 ( , , ) 南京大学电子科学与工程学院 南京 210023 : , 摘 要 传统的基于稀疏表示的图像分类算法 通常根据稀疏重构后类残差向量的 范数得到分类判决 在复杂情 l . 2 , , 况下 各类残差向量 的范数差别可能并不明显 从而导致分类器作出错误判决 提出了一种基于稀疏表示和随机 l . 2 , , , 森林的集成分类方法 通过稀疏表达字典对图像进行重构 提取各类残差图像的 范数组成特征向量 并引入随机 l 2 , 森林进行分类判决 有效地提升了算法基于类残差向量的判决能力 在手写数字数据库 上的实验结果表 . MNIST , , 明 在训练样本数较少的情况下 提出的基于稀疏表示和随机森林的集成学习分类方法与目前主流的SVM分类方 , , 法及随机森林方法进行比较 识别率有较为明显的提高 具有良好的鲁棒性. : , , , 关键词 稀疏表示 图像分类算法 重构算法 随机森林 中图分类号: 文献标识码: TP181 A Ensembleclassificationmethodbasedonsarse