典型文献
基于低秩类间稀疏判别最小二乘回归的图像分类
文献摘要：
在多分类任务中基于最小二乘回归(least squares regression,LSR)的分类器是有效的,但大多数现有方法因使用有限的投影而损失许多判别信息,有的算法只关注样本与目标矩阵的精确拟合而忽略了过拟合问题.为了解决这些问题并提高分类性能,本文提出了一种基于低秩类间稀疏性的判别最小二乘回归(low-rank inter-class sparsity discriminative least squares re-gression,LRICSDLSR)的多类图像的分类方法.在判别最小二乘回归模型中引入类间稀疏性约束,使得来自同一类的样本间隔大大减小,而来自不同类的样本的间隔增大;对由非负松弛矩阵获得的松弛标签施加低秩约束,以提高其类内紧凑性和相似性;在学习标签上引入了一个额外的正则化项,以避免过拟合问题.实验结果表明,这3个改进有助于学习明显的回归投影,从而实现更好的分类性能.
文献关键词：
低秩;类间稀疏;图像分类;回归;投影
中图分类号：
作者姓名：
钟堃琰;刘惊雷
作者机构：
烟台大学计算机与控制工程学院,山东 烟台264005
文献出处：
引用格式：
[1]钟堃琰;刘惊雷-.基于低秩类间稀疏判别最小二乘回归的图像分类)[J].山东大学学报（理学版）,2022(11):89-101
A类：
类间稀疏,LRICSDLSR
B类：
图像分类,多分类,分类任务,least,squares,regression,分类器,法因,过拟合,分类性能,low,rank,inter,class,sparsity,discriminative,分类方法,最小二乘回归模型,稀疏性约束,得来,松弛,低秩约束,紧凑性,学习标签,签上,正则化,进有
AB值：
0.325682
相似文献
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。
