图像识别中区分性稀疏表示理论与方法研究

项目名称： 图像识别中区分性稀疏表示理论与方法研究

项目编号： No.61202228

项目类型： 青年科学基金项目

立项/批准年度： 2013

项目学科： 自动化技术、计算机技术

项目作者： 陈思宝

作者单位： 安徽大学

项目金额： 22万元

中文摘要： 稀疏表示是采用训练数据线性稀疏地表示待测试数据的一种新的模式识别方法。针对于稀疏表示方法在图像识别应用中存在的类别分离、计算复杂度高和应用领域太局限等问题，本研究项目将与分类错误紧密结合的区分性稀疏表示理论与方法及其在图像识别中的应用作为重点研究内容。具体研究内容包括：研究基于不同区分性指标的度量准则区分近邻类的能力，构建与分类错误紧密结合的区分性稀疏表示的度量准则及其统一框架；研究区分性稀疏表示准则的非凸优化求解问题，设计区分性稀疏表示准则的快速优化求解方法；研究多标签数据的权重分配问题和基于张量形式的图像与视频数据的特性，构建针对于多标签分类的区分性稀疏表示准则以及其相应的优化求解方法，在应用中提高图像识别的准确率与效率。

中文关键词： 回归；分类；稀疏表示；区分性度量；模式识别

英文摘要： Sparse representation is a new pattern recognition method which linearly represents testing data sparsely with training data. Since there are many problems, such as class separation problem, high computational complexity and narrow applied area, in the ap

英文关键词： regression；classification；sparse representation；discriminative metric；pattern recognition