首页|基于k-最小表示误差类的表示分类方法

基于k-最小表示误差类的表示分类方法

Representation-based classification based on k-minimum representation error classes

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
基于表示的分类(representation-based classification,RC)通常使用所有类的训练样本来表示测试样本.然而,是否需要使用全部类来表示测试样本仍有待研究.为此,提出一种两阶段表示分类框架.首先使用RC算法计算测试样本相对于全部类的训练样本的表示系数,找出前k(k≥1)个具有最小表示误差的类;然后利用该k个类的训练样本,再次应用RC算法对测试样本进行表示,并通过从这k个类中找出最小表示误差类来确定测试样本的类别.此外,提出了一种非负加权协同表示分类算法.所提分类框架中的前后两个RC算法可以相同也可以不同.取前后两个RC相同,对五种RC,在五个数据库上进行实验,实验结果表明,所提两阶段表示分类框架大多数情况下能显著提升原RC算法的分类精度.

罗智玉、郑成勇

展开 >

五邑大学 数学与计算科学学院,广东 江门529000

基于表示的分类 k-最小表示误差类 两阶段 非负加权 协同表示

2018A030313063

2021

10.19734/j.issn.1001-3695.2021.01.0049

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(10)
  • 2