这项工作提出了一种新颖的稀疏整体学习方案,用于视频中的概念检测。 拟议的集成首先利用稀疏非负矩阵分解(NMF)过程来表示零件中的数据实例并将数据空间划分为局部,然后协调各个局部中的各个分类器以进行最终分类。 在稀疏NMF中,数据样本被投影到一组位置基础,其中基础图像的非负叠加重构了原始样本。 这种加法组合可以确保每个地区部分捕获数据样本的特征,从而使本地分类器在自己的专业领域中拥有合理的多样性。 更重要的是,稀疏NMF确保将示例投影到系数为非零的仅几个基数(局部)。 因此,最终的集成模型是稀疏的