论文部分内容阅读
近年来,分析字典学习开始逐渐应用于各种分类任务.然而,目前基于分析字典学习的分类方法大部分都只是追求训练阶段的更简单优化和测试阶段的更高速度,对字典的判别性研究较少.针对上述问题,本文构建了一种具有两层结构且受监督的任务驱动型分析字典学习(Task-driven analysis dictionary learning, TADL)模型,第一层结构中结构化的分析字典学习在降低了计算复杂度的基础上提高了TADL模型的判别性;第二层结构利用迹商准则减小类内散度,增大类间散度,将分类问题转化为低秩约束的判