判决性字典学习方法综述
2017-10-12薄纯娟
薄纯娟,宋 鹏,林 怡
(大连民族大学 机电工程学院,辽宁 大连 116605)
判决性字典学习方法综述
薄纯娟,宋 鹏,林 怡
(大连民族大学 机电工程学院,辽宁 大连 116605)
为了解决在基于稀疏表示的分类算法中,传统字典学习框架下学习得到的字典仅可用于信号重构而并不针对分类的问题,分析和总结了具有代表性的面向分类的字典学习算法,也称判决性字典学习。判决性字典学习算法总体上分为两类:直接使得字典具有判决性和使得表示系数具有判决性。对两类方法进行分析和总结可为本领域算法的发展提供参考,并引起更多研究。
字典学习;判决性字典;稀疏表示;分类
Abstract:Dictionaries learned from the traditional dictionary learning framework can only be used for signal reconstruction, but not for classification problems. In order to solve this problem in the classification algorithms based on sparse representation, we summarize and analyze typical dictionary learning algorithms for classification, also called discriminative dictionary learning. To be specific, we can roughly divide the discriminative dictionary learning methods into two categories: directly making the dictionary be discriminative and making the representation coefficients be discriminative. The analysis and summary in this paper will provide references for the development of algorithms in this field, and lead to further researches.
Keywords:dictionary learning; discriminative dictionary; sparse representation; classification
近年来,随着稀疏表示的兴起和广泛应用,字典学习(Dictionary Learning,DL)已成为当前热点研究问题之一。一般来说,字典学习旨在建立稀疏表示模型求解所需的字典,使得字典能够更好地表示测试样本。字典学习方法来源于压缩感知理论,最初用来在稀疏约束条件下学习一个自适应的字典来更好地表示信号。,诸多学者将字典学习框架应用于图像去噪、图像修复[1]、模式聚类[2]、样本分类等领域,并取得了较好的效果。
传统字典学习框架下学习得到的字典仅可用于信号重构而并不针对分类问题,因此一些学者尝试从监督学习和类别信息挖掘等方面出发,研究面向分类的字典学习方法,也称为判决性字典学习方法。本文分析了两类代表性的判决性字典学习方法:(1)直接使得字典具有判决性:从不同类别字典间信息差异的角度出发直接设计判决性字典学习方法,并利用重构误差准则实现分类。……
