基于深度稀疏表示的分类

我们提出了一种基于传导式深度学习的稀疏表示分类（SRC）方法的公式化方案。所提出的网络由一个卷积自编码器和一个全连接层组成。卷积自编码器网络的作用是学习用于分类的鲁棒深度特征。另一方面，位于编码器和解码器网络之间的全连接层负责寻找稀疏表示。然后，利用估计出的稀疏代码进行分类。在三个不同数据集上的各种实验表明，所提出的网络生成的稀疏表示比现有的最先进的SRC方法具有更好的分类效果。源代码可在以下地址获取：github.com/mahdiabavisani/DSRC。