基于上下文信息和核熵成分分析的目标分类算法

• 作 者: 潘泓 朱亚平 夏思宇 金立左
• 机 构: 东南大学自动化学院,东南大学复杂工程系统测量与控制教育部重点实验室,中国传媒大学信息工程学院
• 出 处: 电子学报
• 发表日期: 2016年3期
• 关键词: 上下文核描述子 核熵成分分析 特征降维 目标分类 context kernel descriptors kernel entropy component an
• 基金项目: 国家自然科学基金（No.61101165）, 江苏省自然科学基金（No.BK20131296,No.BK20130639）, 航空科学基金（No.20115169016）, 国家科技支撑计划课题（No.2012BAH02B03）

结合图像属性上下文信息和核熵成分分析,构造了一种新颖的基于下上文信息的局部特征描述子——上下文核描述子（Context Kernel Descriptors,CKD）.上下文信息的引入提高了CKD特征的鲁棒性,减少了特征误匹配.核熵成分分析从全维CKD特征分量中选出最能代表目标几何结构信息的特征分量,将其投影到这些特征分量张成的子空间上可得到降维CKD特征.在Caltech-101和CIFAR-10的测试结果表明,CKD的分类性能不仅明显优于其它局部特征描述子,还优于多数基于稀疏表示和深度学习等复杂模型的