×
邹翠明;唐、袁燕;王玉龙;罗正华

用于鲁棒多类分类的Huber协作表示。 （英语） Zbl 1420.62280号

国际小波多分辨率。信息处理。 17，第4号，文章ID 1950020，13 p.（2019）.
摘要：最近的进展显示了协作表示（CR）在多类分类中的巨大潜力。然而，传统的基于CR的分类方法采用均方误差（MSE）准则作为成本函数，该准则对严重腐败和异常值敏感。为了解决这一局限性，受稳健统计的成功启发，我们开发了一种用于稳健多类分类的Huber协作表示分类（HCRC）方法。具体来说，我们将分类问题转化为一个带有Huber估计的Huber协作表示问题。我们的另一个贡献是设计了一个有效的保证收敛的半二次（HQ）算法来有效地求解该模型。此外，我们还对HCRC的分类性能进行了理论分析。在真实数据集上的实验证明，HCRC是一种有效且鲁棒的多类分类算法。

引用于1文件

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
62G35型 非参数稳健性

关键词：

协作表示;多类别分类;Huber估计器;稳健统计

软件：

CMU项目;线圈-20
PDF格式BibTeX公司 XML格式引用
\textit{C.Zou}等人，《国际小波多分辨率》。信息处理。17，第4号，文章ID 1950020，13 p.（2019；Zbl 1420.62280）
全文： 内政部

参考文献：

[1] Basri，R.和Jacobs，D.，Lambertian反射和线性子空间，IEEE Trans。模式分析。机器。《情报》25（2003）218-233。
[2] Cai，S.，Zhang，L.，Zuo，W.和Feng，X.，《基于概率协作表示的模式分类方法》，收录于Proc。IEEE Conf.Computer Vision and Pattern Recognition（美国内华达州拉斯维加斯，2016），第2950-2959页。
[3] Chen，Y.，Nasrabadi，N.和Tran，T.，使用基于字典的稀疏表示的高光谱图像分类，IEEE Trans。地质科学。《遥感》49（2011）3973-3985。
[4] Chi，Y.和Porikli，F.，《利用多种协作表示进行分类和增强》，IEEE Trans。模式分析。机器。《情报》36（2014）1519-1531。
[5] Elhamifar，E.和Vidal，R.，《使用结构化稀疏表示的稳健分类》。IEEE Conf.计算机视觉和模式识别（科罗拉多州斯普林斯，科罗拉多州，美国，2011），第1873-1879页。
[6] Huber，P.J.，《稳健统计》（Wiley，纽约，1981年）·Zbl 0536.62025号
[7] Lee，K.，Ho，J.和Driegman，D.，获取可变光照下人脸识别的线性子空间，IEEE Trans。模式分析。机器。《情报》27（2005）684-698。
[8] Naseem，I.、Togneri，R.和Bennamoun，M.，人脸识别的线性回归，IEEE Trans。模式分析。机器。Intell.32（2010）2106-2112。
[9] S.Nene、S.Nayar和H.Murase，哥伦比亚物体图像库（coin-20），技术报告CUCS-005-96（1996）。
[10] Nikolova，M.和Ng，M.K.，《信号和图像恢复的半二次最小化方法分析》，SIAM J.Sci。计算27（3）（2005）937-966·Zbl 1141.49318号
[11] Ou，W.，You，X.，Tao，D.，Zhang，P.和Tang，Y.，通过遮挡字典学习实现鲁棒人脸识别，模式识别47（4）（2014）1559-1572。
[12] Sim，T.、Baker，S.和Bsat，M.，CMU姿势、照明和表情数据库，IEEE Trans。模式分析。机器。《情报》25（2003）1615-1618。
[13] Wang，Y.，Tang，Y.and Li，L.，基于最小误差熵原子表示的鲁棒人脸识别，IEEE Trans。图像处理24（2015）5868-5878·Zbl 1408.94696号
[14] Wang，Y.，Tang，Y.and Li，L.，Corr.entropy匹配追踪及其在鲁棒数字和人脸识别中的应用，IEEE Trans。《控制论》47（2017）1354-1366。
[15] Wang，Y.，Tang，Y.Li，L.和Wang，J.，通过基于协作表示的多一维嵌入进行人脸识别，国际小波，多分辨率。《Inf.Process.14（2）》（2016）1640003·Zbl 1334.68197号
[16] Wang，Y.，Zou，C.，Tang，Y.and Yang，L.，Huber协作表示用于鲁棒人脸识别，在Proc。IEEE国际会议小波分析与模式识别（ICWAPR）（中国成都，2018）。
[17] Wright，J.，Yang，A.，Ganesh，A.，Sastry，S.和Ma，Y.，《通过稀疏表示实现鲁棒人脸识别》，IEEE Trans。模式分析。机器。《情报》32（2009）210-227。
[18] Xu，Y.，Zhong，Z.，Yang，J.，You，J.和Zhang，D.，通过（l_2）正则化实现鲁棒人脸识别的一种新的区分稀疏表示方法，IEEE Trans。神经网络。学习。系统28（10）（2017）2233-2242。
[19] Zhang，L.，Yang，M.和Feng，X.，稀疏表征或协作表征：哪种有助于面部识别？程序中。IEEE Conf.Int.Conf.Computer Vision（法国尼斯，2011），第471-478页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。