原创力文档- 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
基于核拉普拉斯稀疏码的图像分类
第 卷第 期 大 连 理 工 大 学 学 报 ,
55 2 Vol.55 No.2
年 月
2015 3 JournalofDalianUniversitofTechnolo Mar.2015
y gy
: ( )
电子与信息工程 文章编号 1000-8608201502-0192-06
基于核拉普拉斯稀疏编码的图像分类
*
, , ,
张 立 和 潘 磊 刘 涛 马 臣
( , )
大连理工大学 信息与通信工程学院 辽宁 大连 116024
摘要: ,
使用稀疏编码解决计算机视觉问题可以取得良好的效果 然而 以往的稀疏编码都是
.
,
在原始特征空间进行 受核方法可以获得特征的高维非线性映射的启发 扩展了拉普拉斯稀
.
( ), ( ), ,
疏编码 LSc 提出了核拉普拉斯稀疏编码 KLSc 它可以降低特征量化误差 增强稀疏编码
,
的性能 在 个标准数据集上的实验结果表明 所提出的基于 的图像分类算法具有良
. 3 KLSc
,
好的分类效果 分类正确率优于LSc.
: ; ; ; ;
关键词 图像分类 稀疏编码 拉普拉斯稀疏编码 核方法 空间金字塔匹配
( )
SPM
中图分类号: 文献标识码: : /
TP391.41 A doi10.7511dllxb201502011
g
,
引 言 性核 SVM更受青睐 因为其训练和测试速度更
0
,
[] 快 需要的存储空间更小.
, (
文档评论（0）