×

兹马思-数学第一资源

用于增强数据表示和有效子空间学习的保相似低秩表示。(英语) Zbl 1308.68102号
摘要:潜在低秩表示(LatLRR)通过挖掘隐藏效应,为子空间恢复和特征提取提供了可靠的结果,但在优化过程中,相似主特征和显著特征的局部性都不能被保留。为了解决这一问题以提高性能,通过显式地加入适当的拉普拉斯正则化方法(Laplacian regulational regulation),可以最大限度地保持局部特征之间的相似性,从而提出了一种增强的LatLRR,称为正则化低秩表示(rLRR)。与LatLRR相似,rLRR通过寻找一对低秩矩阵,从两个方向对给定的数据矩阵进行分解。但rLRR可以有效地保持主特征和显著特征的相似性。结果表明,相关特征得到了很好的分组,增强了表示的鲁棒性。基于rLRR输出的双向低秩码,提出了一种用于特征学习的无监督子空间学习框架&低秩相似保持投影(LSPP)。讨论了判别子空间学习中LSPP的有监督扩展。通过对真实图像的鲁棒表示和分解,检验了rLRR算法的有效性。结果表明,与其他相关的最新算法相比,我们的rLRR和LSPP具有优越性。

理学硕士:
68T05型 人工智能中的学习与自适应系统
软件:
KPCA加LDA
PDF格式 BibTeX公司 引用
全文: 内政部
参考文献:
[1] 巴尔·希莱尔,A。;赫兹,T。;森塔尔,N。;Weinshall,D.,从等价约束中学习马氏度量,机器学习研究杂志,6937-965,(2005)·Zbl 1222.68140号
[2] 贝克,A。;Teboulle,M.,线性反问题的快速迭代收缩阈值算法,暹罗影像科学杂志,2183-202,(2009)·Zbl 1175.94009
[3] 贝尔金,M。;Niyogi,P.,用于降维和数据表示的拉普拉斯特征映射,神经计算,15,6,1373-1396,(2003)·邮编:1085.68119
[4] 蔡,D,他,X。F、 和韩,J。W(2007年)。等距投影。第22届AAAI人工智能会议论文集,AAAI,加拿大温哥华(第528-533页)。
[5] 蔡博士。;他,X。F、 。;韩,J。W、 。;黄,T。S、 ,数据表示的图正则化非负矩阵分解,模式分析与机器智能IEEE汇刊,33,8,1548-1560,(2011)
[6] 坎迪斯,E。;李,X。D、 。;Ma,Y。;赖特,J.,《稳健主成分分析?》,ACM杂志,58,3,1-37,(2011)·Zbl 1327.62369号
[7] 钱德拉塞卡兰,V。;Sanghavi,S。;帕里洛,P。;Willsky,A.,矩阵分解的秩稀疏非相干,暹罗优化杂志,21,2572-596,(2011)·Zbl 1226.90067
[8] 程,B。;杨,J。C、 。;严,S。C、 。;傅,Y。;黄,T。S、 《利用图像分析的图形学习》,IEEE图像处理汇刊,19,4858-866,(2010)·Zbl 1371.68229
[九] 科尔特斯,C。;Mohri,M.,关于传导回归,(神经信息处理系统,(2007年))
[10] Elhamifar,E.和维达尔,R(2009年)。稀疏子空间聚类。IEEE计算机视觉和模式识别会议论文集,第2卷(第2790-2797页)。
[11] 法泽尔,M(2002年)。矩阵秩极小化及其应用。博士。论文,斯坦福大学。
[12] 福岛,M。;Mine,H.,某些非凸最小化问题的广义近似梯度算法,国际系统科学杂志,12989-1000,(1981)·Zbl 0467.65028
[13] 高,S。H、 ,曾荫权。W。H、 ,甲,L。T、 和赵,P。L(2010年)。局部特征不孤单的拉普拉斯稀疏编码用于图像分类。IEEE计算机学会计算机视觉和模式识别会议论文集,CVPR,加利福尼亚州旧金山.
[14] 何X.F.,Cai,D.,Yan,S。C、 和张,H。J(2005年)。邻域保持嵌入。国际计算机视觉会议论文集.
[15] 他,X。F、 。;严,S。C、 。;胡,Y。十、 。;Niyogi,P。;张,H。J、 ,使用拉普拉斯脸的人脸识别,模式分析和机器智能IEEE汇刊,27,3,328-340,(2005)
[16] 贾,Y。;聂,F。;张,C。S、 ,追踪比率问题再探讨,IEEE神经网络汇刊,20,4,729-735,(2009)
[17] Jolliffe,I.,主成分分析(1986),Springer Verlag·Zbl 1011.62064
[18] Kokiopoulou,东。;《正交邻域保持投影:基于投影的维数缩减技术》,IEEE模式分析与机器智能汇刊,29,12,2143-2156,(2007)
[19] 李,K。;何,J。;Kriegman,D.,《获取可变光照下人脸识别的线性子空间》,IEEE模式分析与机器智能汇刊,27,5,684-698,(2005)
[20] Lin,Z.,Chen,M.,Wu,L.,和Ma,Y(2009年)。精确恢复受损低秩矩阵的增广Lagrange乘子法。技术报告,UILU-ENG-09-2215.
[21] Lin,Z.C.,Ganesh,A.,Wright,J.,Wu,L.Q.,Chen,M.M.,和Ma,Y(2009年)。精确恢复受损低秩矩阵的快速凸优化算法。UIUC技术报告UILU-ENG-09-2214年月日。
[22] 刘,Y。Y、 。;焦,L。C、 。;尚,F。H、 。;尹,F。;刘飞,低秩矩阵恢复与补齐的有效矩阵双因子分解交替优化方法,神经网络,48,8-18,(2013)·Zbl 1297.65048
[23] 刘R。S、 ,林,Z。C、 ,德拉托瑞,F.和苏,Z。十(2012年)。无监督视觉学习的固定秩表示法。IEEE计算机视觉与模式识别会议论文集.
[24] 刘G。C、 。;林,Z。C、 。;严,S。C、 。;孙,J。;Yu,Y。;Ma,Y.,通过低秩表示实现子空间结构的鲁棒恢复,IEEE模式分析与机器智能汇刊,35,1711-184,(2013)
[25] 刘G。C、 ,林,Z。C、 ,&Yu,Y(2010年)。基于低秩表示的鲁棒子空间分割。国际机器学习会议论文集.
[26] 刘G。C、 和严,S。C(2011年)。用于子空间分割和特征提取的潜在低秩表示。国际计算机视觉会议论文集.
[27] 刘G。C、 。;严,S。C、 ,主动子空间:面向可伸缩低秩学习,神经计算,24,12,3371-3394,(2012)·Zbl 1268.68139
[28] 卢,X。;王,Y。;Yuan,Y.,高光谱图像去条纹化的图正则化低秩表示法,IEEE地球科学与遥感学报,51,7,4009-4018,(2013)·Zbl 1395.90100
[29] 奈斯特罗夫,Y.一种求解具有收敛速度的凸规划问题的方法\(O(1/k^2)\),苏联数学多克拉迪,27372-376,(1983)·Zbl 0535.90071
[30] 聂,F。P、 。;香,S。M、 。;刘,Y。;张,C。S、 《基于一般图的半监督学习与新类发现,神经计算与应用》,19,4,549-555,(2010)
[31] 乔,L。S、 。;陈,S。C、 。;棕褐色,X。Y、 ,稀疏保持投影及其在人脸识别中的应用,模式识别,43,1231-341,(2010)·Zbl 1186.68421
[32] 乔,L。S、 。;陈,S。C、 。;棕褐色,X。Y、 ,单训练图像人脸识别的稀疏保持判别分析,模式识别字母,31,5422-429,(2010)
[33] Wang,H.,Yan,S。C、 ,徐,D.,唐,X.,和黄,T(2007年)。用于降维的跟踪比率与比率跟踪。IEEE计算机学会计算机视觉与模式识别会议论文集.
[34] 赖特,J。;加内什,A。;饶,S。;Ma,Y.鲁棒主成分分析:通过凸优化精确恢复受损低秩矩阵,(神经信息处理系统(NIPS)进展),(2009年)
[35] 赖特,J。;杨,A。;萨斯特里,S。;Ma,Y.,《基于稀疏表示的鲁棒人脸识别》,IEEE模式分析与机器智能汇刊,31,2,210-227,(2009)
[36] 杨,J。;弗兰基,A。F、 。;杨,J。Y、 。;张博士。;钟杰,KPCA-plus-LDA:特征提取与识别的完全核Fisher判别框架,IEEE模式分析与机器智能汇刊,27,2230-244,(2005)
[37] 杨,J。;尹,W。;张,Y。;Wang,Y.,边缘保留变分多通道图像复原的快速算法,暹罗影像科学杂志,2,2569-592,(2009)·Zbl 1181.68304
[38] 元,M。;林,Y.组合变量回归模型选择与估计,皇家统计学会期刊。B系列(统计方法),68,49-67,(2006)·Zbl 1141.62030
[39] 张,Z。;周,T。W、 S。;赵,M。B、 ,基于迹比优化的边缘流形可视化半监督非线性降维,IEEE知识与数据工程学报,25,51148-1161,(2013)
[40] 张,Z。;周,T。W、 S。;赵,M。B、 ,M-isomap:非线性降维的正交约束边际等值线图,IEEE系统、人与控制论汇刊,B部分:控制论,43,1180-192,(2013)
[41] Zhang,Z.,Liu,C。五十、 和赵,M。B(2013年)。基于稀疏投影和低秩恢复框架的手写体表示与识别。IEEE神经网络国际联席会议论文集,IJCNN,德克萨斯州达拉斯.
[42] Zhang,Z.,Yan,S。C、 和赵,M。B(2013年a)。基于拉普拉斯正则化潜低秩表示的鲁棒图像表示与分解。IEEE神经网络国际联席会议论文集,IJCNN,德克萨斯州达拉斯.
[43] 张,Z。;严,S。C、 。;赵,M。B、 ,无监督子空间学习和分类的成对稀疏保持嵌入,IEEE图像处理学报,22,12,4640-4651,(2013)·Zbl 1373.68343
[44] 张,Z。;赵,M。B、 。;周,T。W、 S.基于信息约束的边缘半监督子流形投影降维与识别,神经网络,36,97-111,(2012)·Zbl 1258.68132
[45] 张,Z。;赵,M。B、 。;周,T。W、 S.,多模态降维的约束大余量局部投影算法和扩展,模式识别,45,12,4466-4493,(2012)·Zbl 1248.68426
[46] 张,Z。;赵,M。B、 。;周,T。W、 S.,特征提取和分类的二元和多类群稀疏正则相关分析,IEEE知识与数据工程学报,25,10,2192-2205,(2013)
[47] 郑,M。;布,J。J、 。;陈,C。;王,C。;张,L。J、 。;邱G,图像表示的图正则化稀疏编码,IEEE图像处理汇刊,20,5,1327-1336,(2011)·Zbl 1372.94314号
[48] Zhou,Z.,Li,X.,Wright,J.,Candes,E.J.,和Ma,Y(2010年)。稳定的主成分追踪。ISIT 2010年.
[49] 周,T。Y、 。;陶博士。C、 。;吴,X。D、 《流形弹性网:稀疏降维、数据挖掘和知识发现的统一框架》,22,3,340-371,(2011)·Zbl 1235.62097
[50] 庄,L。S、 ,高,H。Y、 ,林,Z。C、 ,Ma,Y.和Yu,N。H(2012年)。半监督学习的非负低秩稀疏图。IEEE计算机学会计算机视觉与模式识别会议论文集.
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。