基于k-最小表示误差类的表示分类方法

来源：计算机应用研究杂志2021年第10期北京时间：

作者：罗智玉,郑成勇,

单位：五邑大学数学与计算科学学院,广东江门529000；

摘要：基于表示的分类（representation-based classification，RC）通常使用所有类的训练样本来表示测试样本。然而，是否需要使用全部类来表示测试样本仍有待研究。为此，提出一种两阶段表示分类框架。首先使用RC算法计算测试样本相对于全部类的训练样本的表示系数，找出前k（k≥1）个具有最小表示误差的类；然后利用该k个类的训练样本，再次应用RC算法对测试样本进行表示，并通过从这k个类中找出最小表示误差类来确定测试样本的类别。此外，提出了一种非负加权协同表示分类算法。所提分类框架中的前后两个RC算法可以相同也可以不同。取前后两个RC相同，对五种RC，在五个数据库上进行实验，实验结果表明，所提两阶段表示分类框架大多数情况下能显著提升原RC算法的分类精度。

关键词：基于表示的分类,k-最小表示误差类,两阶段,非负加权,协同表示,

基金资助：广东省自然科学基金资助项目(2018A030313063)；；