基于原子Fisher判别准则约束字典学习算法
来源：计算机应用杂志2017年第6期北京时间：
作者：李争名, 杨南粤, 岑健
单位：1. 广东技术师范学院 工业实训中心, 广州 510665;2. 哈尔滨工业大学深圳研究生院 生物计算研究中心, 广东 深圳 518055;3. 广东技术师范学院 科研处, 广州 510665
摘要：为了提高字典的判别性能，提出基于原子Fisher判别准则约束的字典学习算法AFDDL。首先，利用特定类字典学习算法为每个原子分配一个类标，计算同类原子和不同类原子间的散度矩阵。然后，利用类内散度矩阵和类间散度矩阵的迹的差作为判别式约束项，促使不同类原子间的差异最大化，并在最小化同类原子间差异的同时减少原子间的自相关性，使得同类原子尽可能地重构某一类样本，提高字典的判别性能。在AR、FERET和LFW三个人脸数据库和USPS手写字体数据库中进行实验，实验结果表明，在四个图像数据库中，所提算法在识别率和训练时间方面均优于类标一致的K奇异值分解（LC-KSVD）算法、局部特征和类标嵌入约束的字典学习（LCLE-DL）算法、支持矢量指导的字典学习（SVGDL）算法和Fisher判别字典学习算法；且在四个数据库中，该算法也比稀疏表示分类（SRC）和协同表示分类（CRC）取得更高的识别率。
关键词：字典学习,Fisher判别准则,原子特征,协作表示,图像分类
基金资助：国家自然科学基金资助项目（61370613，61573248）；广东省自然科学基金资助项目（2014A030313639）；广东科技计划项目（2016A040403123）；广东省普通高校青年创新人才项目（2015KQNCX089）。
