摘要：图像分类作为计算机视觉分析领域一个重要的研究方向,其分类性能很大程度上取决于图像的特征表示.为了能够更好地进行图像分类,本文提出了一种基于局部约束稀疏编码的神经气算法(Neural Gas based Locality-constrained Sparse Coding,NGLSC)用来实现图像分类.引入局部排序适配器作为距离正则化约束项已经应用在神经气(Neural Gas,NG)的算法矢量量化中,旨在通过软竞争学习算法来弥补K均值聚类(K-means)算法的不足.在稀疏编码阶段此算法可求解得到封闭解.此外,字典更新一般由目标函数的误差项来决定,已有一些经典的算法采用这种方式更新字典.本文使用ORL数据库和COIL20数据库将所提出算法和现有算法局部约束线性编码(Locality-constrained Linear Coding,LLC),脸元数据学习方法(Metaface Learning,MFL)进行比较.实验结果证明本文所提出的算法在图像分类上准确率可达95%以上.可以看出,本文为计算机视觉图像分类工作提供了一种有价值的解决思路.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社