论文部分内容阅读
传统的识别方法遵循先特征提取、后输入分类器的一般研究规律,受选取的特征影响较大,增加了识别的复杂性。仓库管理系统是企业的重要组成部分。随着现代化企业的不断发展,仓库货品的准确快速识别受到越来越多的重视。然而,仓库货品种类较多,特征不明显,使用传统的分类方法,更加大了识别的困难性。本文在稀疏表示和可拒绝模式的基础上,提出了基于Fisher字典学习的可拒绝模式识别方法。首先针对经典的SRC(Sparse Representation based Classification)在字典构造过程中丢失大量分类