论文部分内容阅读
针对模式分类任务中测试样本存在未知类别输入的问题,在稀疏表示分类技术的基础上提出一种可拒识模式分类模型。该模型在字典学习的目标函数中加入Fisher判别约束,使样本在该字典下分解的系数具有较大的类间散度和较小的类内散度,将训练样本在已学习字典下进行分解,并把分解后的系数构建多个局部线性块,为已构建的线性块建立超球覆盖模型,用于描述训练类样本系数的分布状况。对于测试样本,根据在已学字典下的分解系数是否在训练样本系数的覆盖模型范围内,做出拒识或接受分类处理的判决。在MINST手写体数据库上的实验结果表明