稀疏表示分类方法是什么时候提出的

如题所述

第1个回答 2016-06-21

近年来,稀疏表示分类（SRC）方法在图像识别中受到越来越多的关注。SRC方法将测试样本分在最小重构误差所对应的类别中,这种决策方法对SRC的稀疏原理不是最优的。为了从稀疏编码系数中得到鉴别性更强的信息,本文提出一种新的决策规则――＂系数和＂规则。在Yale数据库和MNIST数据库上的实验结果表明本文提出的方法要优于原始SRC方法

第2个回答 2016-06-07

太阳出来的时候

第3个回答 2016-06-14

2014年11月19日

第4个回答 2016-05-30

2014年11月19日

第5个回答 2016-05-23

2014年11月19日

相似回答

稀疏编码的研究历史答：1988年,Michison明确提出了神经稀疏编码的概念,然后由牛津大学的E.T.Roll 等人正式引用.随后对灵长目动物视觉皮层和猫视觉皮层的电生理的实验报告,也进一步证实了视觉皮层复杂刺激的表达是采用稀疏编码原则的.1989年,Field提出了稀疏分布式编码(Sparse Distributed Coding)方法.这种编码方法并不减少输入数据的...

稀疏表示的性质答：然而他们有一个明显的缺点就是自适应能力差，不能灵活全面地表示信号，1993年，Mallat基于小波分析提出了信号可以用一个超完备字典进行表示，从而开启了稀疏表示的先河，经研究发现，信号经稀疏表示后，越稀疏则信号重建后的精度就越高，

稀疏表达是什么意思答：信号稀疏表示（稀疏表达也可以叫为稀疏表示）是过去近20年来信号处理界一个非常引人关注的研究领域，众多研究论文和专题研讨会表明了该领域的蓬勃发展。信号稀疏表示的目的就是在给定的超完备字典中用尽可能少的原子来表示信号，可以获得信号更为简洁的表示方式，从而使我们更容易地获取信号中所蕴含的信息，...

src是什么意思答：人们每看到的一副画面都是上亿像素的，人们的大脑很难像电脑那样直接存储。研究表明，人们每一副图像都提取出很少的信息用于存储。人们把它叫做稀疏编码，即Sparse Coding。把稀疏编码的方法运用到分类中的机器学习方法，就叫做SRC。稀疏表示是一种机器学习中常用的技术，它可以用于分类、聚类、降维等多种...

稀疏表示分类是一种分类器还是一中将为算法答：Shenghua等在文献[22]中成功将核函数(Kernel)技巧与稀疏分类结合在了一起，此文献提出了基于Feature-Sign Search(FSS)的核函数稀疏分类(KSRC)算法并将其成功应用于人脸识别问题中。然而，Cuicui Kang等在文献[6]中指出使用FSS方法求取KSRC中凸优化问题的效率较低，此文献提出了核函数坐标下降法(KCD)用...

综述:广义的分布外检测(异常检测、开集识别、OOD检测)答：半监督的异常检测中,模型训练时用到了无标签数据。 PU学习针对这个问题被提出自监督方法3.3.3 单个类别分类直接学到一个决策边界未完成共性:ID样本的类别(训练类别)为多个。差异:开集识别还需要精确地给ID样本分类,而新类检测只需得到区分ID/OOD的二分类器。由于开集识别和多类别新类检测的训练类别为多个...

综述:广义的分布外检测(异常检测、开集识别、OOD检测)答：18. 系数重构假定每个正常样本都能被有限个基础函数精确重构,而异常数据的重构开销则更大,因此生成了稠密表示。稀疏表示的典型技巧包括基于L1正则的核PCA和低阶嵌入网络。19. 重构误差方法依赖于以下假设:在正常数据上训练得到的重构模型在输入为正常测试样本时会输出更高质量的结果。深度重构模型(包括自编码器AE、...

大家正在搜

三步走是在什么时候提出的四个全面什么时候提出的四个自信什么时候提出的三个代表什么时候提出依法治国什么时候提出两学一做是什么时候提出稀疏表示分类基于稀疏表示的图像检索稀疏表示的发展