RCDDLSR 图像分类算法

抗噪稳健，分类更准

通过矩阵分解与图正则化约束，抑制样本噪声并保持类内结构，使分类算法在图像识别任务中更稳健。

杨章静 · Dingan, Wang · 黄璞 · 万鸣华 · 杨国伟

Expert Systems with Applications 2024

技术优势

噪声被显式去除

通过在噪声矩阵上施加稀疏约束进行矩阵分解，有效消除样本噪声，从而保持原始数据的流形结构。

类内结构更稳定

通过图正则化确保同类样本间的邻域关系，避免过拟合，同时低秩约束更好捕捉类内回归目标的局部结构。

多种数据集上更准

在多种类型的图像数据集上，该方法的分类性能优于其他不同算法。

应用场景

• 图像识别：在含噪声的图像数据上获得更稳健的识别分类结果，减少人工清洗预处理。
• 模式分类：直接替换现有分类器，在不改动特征提取流程的情况下提升分类精度。
• 视觉感知：在视觉感知任务中保持原始数据流形结构，提高抗干扰能力。