- 1、本文档共6页,可阅读全部内容。
- 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、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、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
最近下载
- 统编版(2019)高中历史必修中外历史纲要下册期末复习第1-9单元+2套综合+期末共12套测试卷精选汇编(含答案).pdf
- 机械原理课程设计 ——步进输送机.doc
- 学堂在线科学研究方法与论文写作(复旦)期末考试答案.docx
- 电动钻机交流变频控制技术详解.ppt
- 2016年中国石化第3,4期非标设备价格信息.pdf
- 市场营销试卷(共3套)附答案.pdf VIP
- 宿舍改造工程施工组织方案.docx
- 《物理学》第六版下册同步辅导及习题全解(马文蔚).pdf VIP
- 2024年度安全生产月活动总结.pptx
- 中南大学2021-2022学年第2学期《高等数学(下)》期末试卷(A卷)附标准答案.pdf
文档评论(0)