استفاده از روش بر پايه ساخت ديكشنري براي محاسبه ضرايب متغير در تطبيق هرم مكاني چند وظيفه اي

استفاده از چند توصيف گر ويژگي به صورت همزمان، دقت بازشناسي اشياء را افزايش مي دهد. از روش هاي مناسب و كارآمد براي تركيب نتايج توصيف گر ها، استفاده از ضرايب متغير و به عبارت ديگر غير يكسان و متناسب با اهميت هر توصيف گر براي هر دسته مي باشد. در اين مقاله، ساختاري نو و كارآمد پيشنهاد شده است كه اين ضرايب را با استفاده از دسته بند بازنمايي تنك (SRC) محاسبه مي-كند. الگوريتم معرفي شده بر پايه اين ايده ي جديد حسي-ذهني بنا شده كه: اگر توصيف گر هاي ويژگي مختلف براي اعضاي يك دسته اعمال شوند، براي هر توصيفگر، مجموعه ي خطاهاي بازسازي ويژگي هاي آن دسته، معيار مناسبي را براي تعيين اهميت آن توصيف گر براي آن دسته بدست مي دهد كه براساس آن خطاهاي كمتر بمعني اهميت بيشتر است . نتايج تجربي روي پايگاه هاي داده Caltech-101 و Caltech-256 موفقيت اين روش را در مقايسه با پژوهش هاي موفق اخير نشان مي دهد.