基于双权重约束的判别字典学习算法.pdfVIP

总第331 期 计算机与数字工程 Vol.45 No. 5 Computer Digital Engineering 807 2017 年第5 期 计算机与数字工程 2017 年第5 期 基于双权重约束的判别字典学习算法∗ 1，2 1 李争名 杨南粤 （1. 广东技术师范学院工业中心 广州 510665）（2. 哈尔滨工业大学深圳研究生院生物计算研究中心 深圳 518055） 摘 要 为了提高字典学习算法的分类性能，提出基于编码系数和原子的双权重约束判别字典学习算法（DWCDL）。 利用编码系数矩阵的行向量（Profiles）构造原子权重约束项，促使相似的原子重构同类训练样本，并减少原子间的自相关 性。利用训练样本的类标设计编码系数的权重，促使同类的训练样本有相似的编码系数。实验结果表明DWCDL算法比七 个稀疏编码和字典学习算法取得更高的分类性能。 关键词 字典学习；权重约束；图像分类 中图分类号 TP391 DOI：10. 3969/j. issn. 1672-9722. 2017. 05. 004 DiscriminativeDictionaryLearningBasedontheDoubleWeighted Constraints 1，2 1 LIZhengming YANGNanyue （1. Industrial Training Center，Guangdong Polytechnic Normal University，Guangzhou 510665） （2. Bio-Computing Research Center，Shenzhen Graduate School，Harbin Institute of Technology，Shenzhen 518005） Abstract In order to improve the classification performance of dictionary learning algorithms，a double weighted constraints discriminative dictionary learning algorithm （DWCDL）is proposed. The weighted constraint of atoms is constructed by using the pro⁃ files ，and it not only encourages the similar atoms to reconstruct training samples of the same class，but reduces the coherence of at⁃ oms. The weighted constraint of coding coefficients is constructed by using the label information of training samples，and it can en⁃ courage the training sample of the same class to have similar coding coefficients. Experimental results show that the proposed algo⁃ rithm can achieve better classification performance than seven sparse coding and dictio