بهبود تنکی ضرایب به منظور افزایش دقت طبقه بندی تصاویر مبتنی بر نمایش تنک

طی دهه اخیر، پردازش تنک سیگنال های به عنوان ا بزاری قدرتمند و جایگزینی کارا برای تبدیل های کلاسیک، توجه زیادی را به خود جلب کرده است. روش های مبتنی بر نمایش تنک سیگنال، از مباحث تئوری بهینه سازی نرم اصفر به حوزه بیتایی ماشین نیز وارد شده است. استفاده از نمایش تنک سیگنال ها در مسائل طبقه بندی نتایج موفقیت آمیزی به همراه داشته است. در این مقاله روش طبقه بندی جدید دو مرحله ای مبتنی بر نمایش تنک مورد توجه قرار گرفته است. در این روش جهت بهبود ضرایب تنک متناظر با داده های آزمون ابتدا وزن دهی مناسب با بهره گیری از کرنل گوسی صورت گرفته و سپس خطای داده ی بازسازی شده تعیین می گردد. در مرحله ی بعد مجموع ضرایب تنک اصلاح شده متاظر با هر طبقه به عنوان میزان شباهت داده ی آزمون با دادگان آموزشی محاسبه می گردد. نهایتا با ادغام وزن دار نتایج دو مرحله، میزان معیار نهایی تعیین می گردد. برای ارزیابی عملکرد روش پیشنهادی، از 3 پایگاه داده Yale و Caltech Leaves ،COIL-20 استفاده نموده ایم. مقایسه ی نتایج شبیه سازی ها، حاکی از عملکرد بهتر روش طبقه بندی پیشنهادی دارد. بر مبنای انتخاب تعداد متفاوت دادگان از پایگاه های داده مورد آزمایش، جهت آموزش سیستم، حداقل بهبود نرخ خطای طبقه بندی 12/5 درصد می باشد که بیانگر عملکرد بهتر روش پیشنهادی نسبت به روش های مطرح قبلی است.

کلیدواژه ها:

نمایش تنک ، طبقه بندی مبتنی بر نمایش تنک ، بهبود ضرایب تنک ، وزن دهی گوسی