基于稀疏表示全局字典学习的图像分类方法
来源：计算机应用杂志2015年第2期北京时间：
作者：蒲国林, 邱玉辉
单位：1. 四川文理学院 计算机学院, 四川 达州 635000;2. 西南大学 计算机与信息科学学院, 重庆 400715
摘要：针对传统的稀疏表示字典学习图像分类方法在大规模分布式环境下效率低下的问题,设计一种基于稀疏表示全局字典的图像学习方法。将传统的字典学习步骤分布到并行节点上,使用凸优化方法在节点上学习局部字典并实时更新全局字典,从而提高字典学习效率和大规模数据的分类效率。最后在MapReduce平台上进行并行化实验,结果显示该方法在不影响分类精度的情况下对大规模分布式数据的分类有明显的加速,可以更高效地运用于各种大规模图像分类任务中。
关键词：字典学习,图像分类,稀疏表示,大规模数据,MapReduce
基金资助：国家自然科学基金资助项目(61152003)。
