典型文献
基于鲁棒鉴别特征学习的图像特征提取算法
文献摘要：
为了增强图像特征鉴别力和鲁棒性,获取图像紧致特征表达是关键.现有的图像特征学习方法大多采用最大化L2范数的方式定义,导致其对噪声和异常值十分敏感.针对这个问题,提出了一种基于L2,1范数的鲁棒鉴别特征学习算法.该算法在数据预处理中加入了类内聚拢操作,使得同类样本尽可能靠近,减小了类内异常样本以及强噪声样本的影响;此外,引入L2,1范数重新定义了数据的类内和类间相关矩阵,使得模型更具鲁棒性,且提取的特征鉴别能力更强.实验结果显示,相比于现有的一些最新算法,提出的算法不仅具有较高分类准确率,同时还具有较快的收敛速率.这表明了提出算法所提取特征的图像特征具有较强的鉴别力和鲁棒性.
文献关键词：
特征表达;类内聚拢;鉴别特征学习;L2;1范数;相关矩阵
中图分类号：
作者姓名：
易鹏飞;钟慧;张召涛;殷家敏;简鑫
作者机构：
国网重庆市电力公司长寿供电分公司,重庆401220;重庆大学 微电子与通信工程学院,重庆400044
文献出处：
引用格式：
[1]易鹏飞;钟慧;张召涛;殷家敏;简鑫-.基于鲁棒鉴别特征学习的图像特征提取算法)[J].重庆邮电大学学报（自然科学版）,2022(01):103-109
A类：
鉴别特征学习,类内聚拢
B类：
图像特征提取,特征提取算法,增强图像,鉴别力,紧致,特征表达,L2,范数,异常值,特征学习算法,数据预处理,强噪声,数重,重新定义,相关矩阵,鉴别能力,新算法,分类准确率,收敛速率,提取特征
AB值：
0.269086
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
