استفاده از روش بر پایه ساخت دیکشنری برای محاسبه ضرایب متغیر در تطبیق هرم مکانی چند وظیفه ای

استفاده از چند توصیف گر ویژگی به صورت همزمان، دقت بازشناسی اشیاء را افزایش می دهد. از روش های مناسب و کارآمد برای ترکیب نتایج توصیف گر ها، استفاده از ضرایب متغیر و به عبارت دیگر غیر یکسان و متناسب با اهمیت هر توصیف گر برای هر دسته می باشد. در این مقاله، ساختاری نو و کارآمد پیشنهاد شده است که این ضرایب را با استفاده از دسته بند بازنمایی تنک (SRC) محاسبه می کند. الگوریتم معرفی شده با پایه این ایده ی جدید حسی- ذهنی بنا شده که: اگر توصیف گرهای ویژگی مختلف برای اعضای یک دسته اعمال شوند، برای هر توصیفگر، مجموعه ی خطاهای بازسازی ویژگی های آن دسته، معیار مناسبی را برای تعیین اهمیت آن توصیف گر برای آن دسته بدست می دهد که بر اساس آن خطاهای کمتر بمعنی اهمیت بیشتر است . نتایج تجربی روی پایگاه های داده Caltech-10 و Caltech-256 موفقیت این روش را در مقایسه با پژوهش های موفق اخیر نشان می دهد.