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

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

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
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)

( ) 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

您可能关注的文档

文档评论(0)

wujianz + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档