山东大学学报(理学版)

作者：钟堃琰,刘惊雷

单位：烟台大学计算机与控制工程学院, 山东 烟台 264005

关键词：低秩,类间稀疏,图像分类,回归,投影,

基金：国家自然科学基金资助项目(61572419,62072391);山东省自然科学基金资助项目(ZR2020MF148)

在多分类任务中基于最小二乘回归(least squares regression,LSR)的分类器是有效的,但大多数现有方法因使用有限的投影而损失许多判别信息,有的算法只关注样本与目标矩阵的精确拟合而忽略了过拟合问题。为了解决这些问题并提高分类性能,本文提出了一种基于低秩类间稀疏性的判别最小二乘回归(low-rank inter-class sparsity discriminative least squares regression,LRICSDLSR)的多类图像的分类方法。在判别最小二乘回归模型中引入类间稀疏性约束,使得来自同一类的样本间隔大大减小,而来自不同类的样本的间隔增大;对由非负松弛矩阵获得的松弛标签施加低秩约束,以提高其类内紧凑性和相似性;在学习标签上引入了一个额外的正则化项,以避免过拟合问题。实验结果表明,这3个改进有助于学习明显的回归投影,从而实现更好的分类性能。

来源：2022年第11期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2022年第11期