基于监督学习的稀疏编码及在数据表示中的应用

<p>针对稀疏编码在数据表示时没有利用样本类别信息的问题, 提出一种基于监督学习的稀疏编码算法, 并应用于数据表示. 首先利用样本的类别信息构建图, 直接提取样本的鉴别结构信息; 然后利用基向量拟合鉴别结构特性向量, 进而在基向量中嵌入样本的鉴别信息; 最后对样本逐个进行稀疏表示. 在COIL20 和PIE 图像库的实验结果表明, 相比几种无监督矩阵分解算法, 所提出的算法更利于样本的表示和分类.</p>