کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4946361 1439288 2016 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Dictionary learning based on discriminative energy contribution for image classification
ترجمه فارسی عنوان
یادگیری فرهنگ لغت بر اساس سهم انرژی تبعیض آمیز برای طبقه بندی تصویر
کلمات کلیدی
طبقه بندی عکس، یادگیری فرهنگ لغت سهم انرژی تبعیض آمیز، طبقه بندی خطی،
ترجمه چکیده
این مقاله ترکیبی از استخراج ویژگی های تبعیض آمیز و ساختن طبقه بندی موثر در یک چارچوب واحد برای یادگیری یک فرهنگ لغت شناسایی سازگار برای طبقه بندی تصویر است. با توجه به این که سیگنال تبعیض در یک زیر فضای کم ابعادی قرار دارد و می تواند به خوبی از طریق چند اتم از فرهنگ لغت آموخته شود، این مقاله به استخراج ویژگی از طریق یادگیری یک فرهنگ لغت، که لغت نامه های زیر آن مکاتبات را با برچسب های کلاس حفظ می کند، و یک طبقه بندی مطلوب خطی به طور مشترک بر اساس ساختار سهم انرژی. بر اساس مشارکت انرژی های تبعیض آمیز، ما در حال جستجوی ویژگی های تشخیصی برای طبقه بندی به جای بازگرداندن داده ها با دقت است. علاوه بر این، با فرض اینکه طبقه بندی دارای یک مشخصه خاص است که با فرهنگ لغات مشابه است، ما یک طبقه بندی را برای ایجاد فرهنگ لغت بهینه می کنیم و هزینه های کمتری برای طبقه بندی می کنیم. نتایج آزمایش بر روی پایگاه داده های مختلف به وظایف طبقه بندی خاص برای بررسی تأثیر روش پیشنهادی در مقایسه با یادگیری فرهنگ لغت پیشرفته برای روش های طبقه بندی انجام می شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
یادگیری فرهنگ لغت بر اساس سهم انرژی تبعیض آمیز برای طبقه بندی تصویر
چکیده انگلیسی
This paper combines the discriminative feature extraction and effective classifier construction into a single framework to learn a structured discriminative dictionary for image classification. Due to the fact that the discriminative signal lie in a low dimensional subspace and can be well represented only via a few atoms of the learned dictionary, this paper addresses the feature extraction via learning a dictionary, whose sub dictionaries preserve correspondence to the class labels, and an optimal linear classifier jointly based on the structure of energy contribution. Based on the discriminative energy contributions, we are searching the discriminative feature for classification rather than reconstructing the data accurately. In addition, with the assumption that the classifier has a specific property which is similar with the dictionary, we learn a classifier to make the dictionary optimal and have a low cost on classifying. Experiment results on the several databases to specific classification tasks are conducted to verify the efficacy of the proposed method compared with the state-of-the-art dictionary learning for classification methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Knowledge-Based Systems - Volume 113, 1 December 2016, Pages 116-124
نویسندگان
, , ,