基于判别性解析字典与分类器学习的模式分类

来源：计算机工程与应用杂志2020年第6期北京时间：

作者：李巧，陈花竹，杨春雨，李丹

单位：西安电子科技大学 数学与统计学院，西安 710126

摘要：稀疏表示（Sparse Representation，SR）和字典学习（Dictionary Learning，DL）已被广泛用于编码特征数据并有助于模式分类。现有方法通常使用[l1/l2]范数或每类使用特定字典来强制SR的类判别能力，但由此产生的类判别能力有限。在这项工作中，提出使用训练集作为训练样本的SR的综合字典，因为它为每类数据提供了最自然的特定字典。训练集的类信息可用于增强SR的判别能力：精确块对角线结构，意味着每个数据只能由同类中数据表示。为了使测试阶段容易，在训练集的判别SR的监督下学习解析字典和线性分类器。一旦学习了解析字典和分类器，测试阶段就非常简单并且高效。称之为判别分析字典与分类器学习（Discriminative Analysis Dictionary and Classifier Learning，DADCL）。大量实验表明，该方法具有较好的分类性能。

关键词：判别性解析字典,分类器学习,稀疏表示