摘要：针对非线性分布的数据样本在原始特征空间可分性较差的问题,文中提出一种基于核迁移稀疏编码的跨域图像分类方法,并应用于图像分类.首先将图像特征和字典映射到一个高维的再生核希尔伯特空间,使得线性不可分问题变为线性可分问题.然后在高维特征空间中对每个样本数据进行表示.文中算法不仅有效地处理非线性结构数据,而且考虑了源域和目标域的分布差异以及几何结构信息,获得更为鲁棒的稀疏表达,提高跨域图像分类精度.
分类：期刊> 自然科学与工程技术> 信息科技> 电子信息科学综合
收录：统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏 > 文摘与引文数据库
关键词：稀疏编码 核方法 基学习 非线性
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
