-
公开(公告)号：CN108875686A
公开(公告)日：2018-11-23
申请号：CN201810705755.X
申请日：2018-07-02
Applicant: 扬州大学
Abstract: 本发明提出一种基于非负稀疏的鉴别性低秩表示分类方法：首先在训练样本中寻找一个稀疏，低秩和非负矩阵。然后在此基础上加上一个结构不一致的约束条件，促使不同类的样本尽可能独立，从而增加额外的识别能力。最后对测试样本做稀疏表示分类算法（Spare Representation Classification,SRC）、协同表示分类算法（Collaborative Representation Classification,CRC）等；从而将测试样本分类。本发明提供一种将训练样本进行非负，稀疏，鉴别性低秩处理的一种基于非负稀疏的鉴别性低秩表示分类方法。
-
公开(公告)号：CN108229512B
公开(公告)日：2021-10-08
申请号：CN201611196713.5
申请日：2016-12-22
Applicant: 扬州大学
IPC: G06K9/62
Abstract: 本发明提出一种基于非负表示系数的两阶段识别方法。包括：用所有训练样本线性表示测试样本且约束表示系数非负，计算系数向量；将系数向量中元素降序排列，抽取出较大的系数及其对应的训练样本；将上一步所得的训练样本分类，计算每类样本的重构图像；用所有重构图像线性表示测试样本且约束表示系数非负，计算系数向量，根据残差对测试样本分类。本发明根据一定的筛选条件择优选取训练样本并用其线性表示测试样本，从而提高识别率。
-
公开(公告)号：CN108229513A
公开(公告)日：2018-06-29
申请号：CN201611196714.X
申请日：2016-12-22
Applicant: 扬州大学
Abstract: 本发明提出一种基于迁移学习的稀疏表示分类方法。包括计算训练样本与测试样本互相迁移的表示系数；由表示系数得到样本的重构图像；将重构后的训练样本和处理后的测试样本做稀疏表示分类或者协同表达分类等，从而将样本分类。本发明将训练样本和测试样本互相迁移学习，可以从现有的数据中迁移知识，用来帮助将来的学习，从而消除样本间噪声，增强样本间的适应性。
-
公开(公告)号：CN108229512A
公开(公告)日：2018-06-29
申请号：CN201611196713.5
申请日：2016-12-22
Applicant: 扬州大学
IPC: G06K9/62
Abstract: 本发明提出一种基于非负表示系数的两阶段识别方法。包括：用所有训练样本线性表示测试样本且约束表示系数非负，计算系数向量；将系数向量中元素降序排列，抽取出较大的系数及其对应的训练样本；将上一步所得的训练样本分类，计算每类样本的重构图像；用所有重构图像线性表示测试样本且约束表示系数非负，计算系数向量，根据残差对测试样本分类。本发明根据一定的筛选条件择优选取训练样本并用其线性表示测试样本，从而提高识别率。
-
-
-
Search Results
4
records
(took 0.013 seconds)
