Dynamic Structured Discriminant Dictionary Pair Learning for Pattern Classification

doi:10.1109/access.2026.3718299

Dynamic Structured Discriminant Dictionary Pair Learning for Pattern Classification

2026-01-01

0

PRE

AI

张永良 (Yonghao Zhang) *

DOI：10.1109/access.2026.3718299

原文链接

原文求助

摘要

En 中文

判别分析-综合字典对学习方法对模式分类有效。然而，大多数方法使用图保持准则来传递样本的局部结构关系，这削弱了模型的性能和泛化能力。为了精确捕捉样本的局部邻域关系并增强分析-综合字典对的判别能力，我们提出了一种动态结构化判别字典对学习（DSDDPL）方法。首先，我们设计了一个动态局部结构传递项，利用传递矩阵将样本的局部结构信息自适应地传递到编码系数中，以提高编码系数的判别能力。其次，我们设计了一个判别稀疏编码误差项来约束训练样本的编码，引导系数矩阵向理想的块对角结构发展，间接提高字典对的判别能力。最后，将这两项整合到基本的判别字典对学习模型中形成DSDDPL。此外，我们设计了一种高效的迭代算法来解决DSDDPL的优化问题。我们在六个数据集上与九种判别字典学习方法进行了比较实验来评估DSDDPL。DSDDPL在五个数据集上取得了最高的分类准确率，在CLD 22数据集上取得了第二高的准确率。实验结果表明，DSDDPL相比现有的字典学习方法具有更优越的分类性能。DSDDPL利用样本的局部结构信息和标签信息来约束编码系数，进一步提高了分析字典和综合字典的判别能力。DSDDPL为小规模数据集（包括人脸识别和作物病害检测）中的模式分类提供了一种有效的技术解决方案。

Keyword:

Dictionaries

Licenses

Machine learning

Modeling

Nuclear facility regulation

Accuracy

Codes

Matrices

Training

Weighted sum model

Dictionary learning

dictionary pair learning

sparse codes

pattern classification

Dynamic Structured Discriminant Dictionary Pair Learning for Pattern Classification

摘要

期刊

机构

引用论文