.png){kind=icon}
返回
Regularized autoencoder based discriminative least square regression for image classification
.png){kind=icon}
PRE
AI
DOI：10.1016/j.knosys.2025.113380.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于其在性能上的高效性，利用判别投影进行图像分类的最小二乘回归（LSR）已引起广泛关注。然而，这两点不足限制了其在实际应用中的性能。首先，现有的基于LSR的方法仅考虑全局或局部数据，从而降低了模型的鲁棒性。其次，同类别内的相似性往往被忽略。因此，我们提出了一种基于正则化自编码器的判别最小二乘回归（RADLSR）方法以改进图像分类。首先，我们将标签松弛LSR与编码器-解码器框架相结合，以保留投影学习中的全局信息。其次，我们将数据局部关系视为松弛自编码器的补充，有助于探索完整的结构信息。最后，我们直接约束松弛标签在同类别内相似，并引入epsilon拖拽技术。该方法增强了投影样本的类内紧致性和类间可分性，从而得到一个鲁棒且高度判别性的模型。此外，我们基于乘子交替方向法（ADMM）开发了一种迭代优化算法以求解RADLSR。在多个基准数据集上的实验表明，我们的RADLSR方法相比当前最优方法能够取得更优的分类结果。
Keyword:
Regularised autoencoder
Discriminative regression
Intra-class compactness
Image classification
期刊
K
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
From few to many: illumination cone models for face recognition under variable lighting and pose
.png){kind=icon}
PREAI
分享收藏
查看更多内容