子空间排列估计及其在混合数据建模和分割中的应用
马毅;Yang,Allen Y。;德克森,哈姆;罗伯特·福苏姆
永久链接
https://hdl.handle.net/2142/99595
描述
- 标题
- 子空间排列估计及其在混合数据建模和分割中的应用
- 作者
- 马,易
- Yang,Allen Y。
- Derksen,危害
- 罗伯特·福苏姆
- 发布日期
- 2006-04
- 关键字
- 子空间布置
- 希尔伯特函数
- 广义主成分分析
- 型号选择
- 异常值检测
- 摘要
- 近年来,子空间排列已成为一类越来越流行的数学对象,用于建模(近似)分段线性的多元混合数据集。子空间排列是多个子空间的并集。每个子空间都可以方便地用于对数据的同质子集进行建模。因此,所有子空间一起可以捕获数据集中的异构结构。本文全面介绍了一种估计子空间排列的新方法,即广义主成分分析。我们全面总结了重要的代数性质和统计事实,这些对于子空间排列的推断既有效又稳健至关重要,即使给定的数据被噪声破坏或被离群值污染。这种新方法在许多方面改进和推广了现有的混合数据建模或聚类方法。这种新方法已成功应用于计算机视觉、图像处理和系统识别中的许多现实问题。在本文中,我们将研究其中几个具有代表性的应用程序。
- 出版商
- 伊利诺伊大学香槟分校协调科学实验室
- 系列/报告名称或编号
- 协调科学实验室报告编号UILU-ENG-06-2202,DC-221
- 资源类型
- 文本
- 语言
- 英语
- 永久链接
- http://hdl.handle.net/2142/99595
- 发起人/拨款编号
- 国家科学基金会/NSF CAREER IIS-0347456、NSF CRS-EHS-0509151、NSF CCF-TF-0514955和NSF CAREER DMS-034901
- ONR YIP编号00014-05-1-0633
拥有收藏