经典算法之SRC分类器

最新推荐文章于 2022-08-13 17:24:02 发布
最新推荐文章于 2022-08-13 17:24:02 发布
阅读量2.6k 收藏 4
点赞数 1
分类专栏： 算法研究 学术研究
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zxia1/article/details/27654739
版权
本文介绍了Sparse Representation based Classifier (SRC)算法，该算法基于稀疏表示理论，用于面部识别。通过构建词典表示训练样本，用测试样本线性表示并寻找最小残差的类别作为预测结果。算法过程包括构建矩阵D，解决稀疏优化问题以及利用残差确定类别。
摘要由CSDN通过智能技术生成

    自从05、06年开始，稀疏表示开始成为研究的热点。自从陶哲轩和他的小伙伴们解决了稀疏表示的理论问题，压缩感知或Sparse Representation成为学术界的研究热点。2008年，有Wright在PAMI上发表了一篇Sparse Representation based Classifier（SRC）的文章《Robust Face Recognition via Sparse Representation》。该文章从训练样本中抽取一定的样本构建词典，然后使用词典来表示测试样本，选取对应最小残差值的类作为预测的结果。下面简单介绍该算法的过程。

    若Xi表示第i类的训练样本，大小为d*li，d为特征维数，li为样本数量。将所有类别（K类）的训练样本组合成一个矩阵为D=[X1 ... Xi

最低0.47元/天 解锁文章
为伊憔悴
关注
专栏目录
java实现基于SMO算法的SVM分类器
02-09
**Java实现基于SMO算法的SVM分类器** 支持向量机（Support Vector Machine, SVM）是一种广泛应用的监督学习模型，常用于二分类和多分类问题。SMO（Sequential Minimal Optimization）算法是解决SVM优化问题的有效...
基于人脸识别分类器（SRC）的LBP算法与稀疏表达联合方法的改进
05-22
最近，基于描述子的局部二进制模式（LBP）与基于分类器（SRC）稀疏表示（SRC）成为人脸识别两个杰出的技术。初步结合LBP和SRC技术已经在文献中提出的。然而，在真实世界国家的艺术方法，遭受的“维数灾难”。在本文中，提出了一种新的LBP与Src结合的人脸识别算法。其中的维数问题的分而治之和辨别力是加强通过金字塔增强。所提出的人脸识别方法是在AR人脸数据库上的评价，产生令人印象深刻的结果。
稀疏表示分类（SRC）
热门推荐
yyyljw的博客
11-07 1万+
目前已有很多方法和技术用于构造分类模型，如决策树、神经网络、贝叶斯方法、Fisher线性分析(Fld)以及支持向量机(Support Vector Machine, SVM)。 基于超完备字典的信号稀疏分解是一种新的信号表示理论，其采用超完备的冗余函数系统代替传统的正交基函数，为信号自适应的稀疏扩展提供了极大的灵活性。稀疏分解可以实现数据压缩的高效性，更重要的是可以利用字典的冗余特性捕捉信号
基于稀疏表示的分类方法 Sparse Representation based Classification Method
Jingyang.Zhang的博客
09-02 1万+
文章来源 Jia K, Chan T H, Ma Y. Robust and practical face recognition via structured sparsity[J]. Computer Vision–ECCV 2012, 2012: 331-344.Highlight 作为一种 sparse representation based classification method（S
基于稀疏表示人脸识别算法：SRC sparse representation-based classification
z2876563的博客
03-27 2216
假设: 所有人的脸部图像都有某些共性 优点: 训练简单 可以识别有遮挡的人脸 算法: 主要思路: 公司一共有3个人 数据库中有大东，大西，大北三个人的图像各一张(长w,宽h) 将三张图片排成三列 今天大东来上班了，他来到门口我们用立刻摄像头拍摄他的一张照片Y 因为所有人的照片都有共性，我们希望用数据库中的人脸来表示Y Ax=Y，高斯消...
稀疏表示分类器代码
11-19
这个代码是关于人脸识别里面稀疏表示分类器，对于初学者来说很有用。
稀疏表示（SRC）
liu_guanzhang的专栏
01-30 7002
基于表示的分类方法（representation based classification method, RBCM）研究较多的就是John Wright等在2009年提出的稀疏表示分类（sparse representation based classification, SRC）方法了，Google已经有3778次引用了。    Wright J, Yang A Y, Ganesh A, e
AFP-SRC:使用稀疏表示分类器和主成分分析的抗冻蛋白分类-matlab开发
05-31
在本项目中，"AFP-SRC: 使用稀疏表示分类器和主成分分析的抗冻蛋白分类-matlab开发"，我们关注的是生物信息学领域中的一个特定问题，即抗冻蛋白（Antifreeze Proteins, AFPs）的分类。抗冻蛋白是一类特殊的蛋白质，...
基于类别的稀疏表示分类器的简单实现-matlab版
最新发布
04-22
cdSRC.m 主程序 normalize_data.m 用来对原始数据归一化 lda.m 用来对原始数据进行降维 select_train_data.m 用来按比例选择训练样本 select_train_data1.m 用来按个数选择训练样本 OMP.m 用来在cdOMP过程中得到关于...
SRC代码及论文
08-14
METAFACE LEARNING FOR SPARSE REPRESENTATION BASED FACE RECOGNITION（Meng Yang提出的用于人脸识别的稀疏编码方法）
稀疏表示SRC算法
09-27
经典的稀疏表示SRC算法，适合广大人脸识别的同学使用参考-The classic sparse representation SRC algorithm
稀疏表示人脸识别SRC matlab代码实现
01-17
稀疏表示人脸识别SRC matlab代码实现。附带l1范数优化代码。可以顺利跑通。测试数据集为YaleB。
Matlab代码SRC分类稀疏表示分类
04-28
SRC (Sparse Representation Classifier) 稀疏表示分类器 SOMP (Simultaneous Orthogonal Matching Pursuit) 同步正交匹配追踪 稀疏表示分类器应用于高光谱图像分类的MATLAB代码实现。 此程序为论文仿真，论文题目为： Hyperspectral Image Classification Using Dictionary-Based Sparse Representation 论文地址： http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=5766028&url=http%3A%2F%2Fieeexplore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D5766028 其实只实现了论文里的第一种方法SOMP 各个文件功能简介： isomp_Indiana.m 主程序 SamplesNormalize.m 数据归一化 findlabel2.m 划分训练样本和测试样本 SOMP.m 求稀疏表示矩阵 assig
SRC平台篇（详细信息收集及在线平台）
m0_49936858的博客
08-13 2079
渗透测试和SRC的区别：面向SRC的漏洞挖掘与传统渗透测试相比，关注的漏洞侧重略有不同。渗透方面：侧重关注 命令执行、XSS、SQL注入等，能进一步推进得到getshell层面的漏洞，而面向SRC的漏洞挖掘，不仅关注getshell，还关注业务逻辑方面，对可能造成业务损失（薅羊毛）或用户信息泄漏的漏洞也进收集（这些漏洞对getshell而言帮助并不大）。战略层面对于大厂主要关注连续业务尤其是新上线的边缘业务，能掌有较多漏洞核心业务一般比较难找，但是可以多关注移动端、安卓/IOS/h5。...
基于支持向量机 (SVM) 和稀疏表示理论 (SRC) 的人脸识别比较
Welcome to the Western World
03-22 1万+
一 背景 1.1 支持向量机简介 支持向量机（Support Vector Machine，SVM）是AT&TBell 实验室的V.Vapnik等人提出的一种机器学习算法，是迄今为止最重要的机器学习理论和方法之一，也是应用最广泛、综合效果最好的模式分类技术之一。到目前为止，支持向量机已应用于孤立手写字符识别、网页或文本自动分类、说话人识别、人脸检测、性别分类、计算机入侵检测、基因分类、...
【待完善】【表达学习】稀疏表达SRC方法研究
qq_40690815的博客
03-18 458
稀疏表达SRC方法研究main content 来自Robust Face Recognition via Sparse Representation main content 2.3 Classification Based on Sparse Representation
稀疏模式识别解析
LinJM-机器视觉
09-06 4598
基于信号稀疏表示的图像识别方法是基于过完备字典对测试样本的表示具有稀疏性这一先验知识，将识别问题看作是多个线性回归模型的分类问题，从稀疏的角度得到对图像最紧致的表示。文献Robust face recognition via sparse representation提出了稀疏表示的分类算法SRC，该算法将测试样本表示为训练样本的加权线性组合，通过L1范数优化求取稀疏解，使得除测试样本所属类别
稀疏表示分类
Harry_Jack的博客
11-25 1775
稀疏表示分类 1. 机器学习中稀疏表示与字典学习1 字典学习也叫稀疏编码，但这两个称谓有稍稍的区别，“字典学习”侧重于描述学得字典的过层，而“稀疏编码”侧重于表述将原样本进行稀疏表达的过程。两者通常是在一个最优化求解过程中完成的，所以这两者不做进一步区分，笼统地认为是一个东西。 给定一个数据集 {x1,x2,...,xm}\ \{\boldsymbol{x_1,x_2,...,x_m}\} {x1​,x2​,...,xm​}，对此数据集进行字典学习的最简单形式为： KaTeX parse
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值