论文部分内容阅读
为提高稀疏表示字典用于图像分类时的正确率，提出一种基于自适应梯度最速下降的分类字典训练算法。该算法采用交替梯度下降法解决分类字典训练的双变量优化模型。为提高收敛速度，并保证稀疏表示残差和不同类别对应字典原子间的不相关性同时收敛，采用自适应步长，推导证明自适应步长的计算方法。通过固定字典，运用当前字典和训练样本计算出稀疏表示系数的下降方向和自适应步长，按照稀疏度约束将小系数置零，固定稀疏表示系数，利用稀疏表示系数和样本找到字典的下降方向和自适应步长。实验结果表明，该算法在手写字符识别中正确率能达到96．51