الگوریتم تعمیم یافته یادگیری دیکشنری حداقل مربعات بازگشتی با وزن وفقی و سازگار با برچسب

در میان روش های یادگیری دیکشنری بدون نظارت، الگوریتم تعمیم یافته حداقل مربعات بازگشتی با وزن وفقی (GAW RLS) عملکرد قابل توجهی را در نمایش داده ها نشان داده است. در این مقاله از این الگوریتم برای به روزرسانی دیکشنری به صورت نظارت شده استفاده می شود. در تابع هزینه روش پیشنهادی، شرط جدیدی به عنوان خطای نمایش تنک متمایزکننده به خطای نمایش و خطای طبقه بندی اضافه شده و دیکشنری، پارامتر نمایش تنک متمایزکننده و پارامتر طبقه بندی کننده به طور هم زمان برای کاربرد طبقه بندی تصویر آموزش داده می شوند. روش جدید به عنوان الگوریتم تعمیم یافته حداقل مربعات بازگشتی با وزن وفقی و سازگار با برچسب (LC GAWRLS) معرفی می شود. روش پیشنهادی از یک وزن تصحیح اضافی برای کنترل تاثیر داده های آموزشی جدید در فرآیند به روزرسانی دیکشنری استفاده می کند و در مقایسه با روش های یادگیری دیکشنری قبلی، مقاومت مدل را در برابر تغییرات داده های آموزشی افزایش می دهد. نتایج شبیه سازی نشان می دهد که روش پیشنهادی به ویژه در شرایطی که تعداد داده های آموزشی محدود است، دقت طبقه بندی بالاتری را ارائه می دهد.

کلیدواژه ها:

یادگیری دیکشنری ، نمایش تنک ، الگوریتم وفقی ، طبقه بندی سازگار با برچسب