×
彭勇;孔万增;秦飞伟;聂飞萍

用于半监督图像分类的流形自适应核化低秩表示。 （英语） Zbl 1390.68738号

复杂性 2018年，文章ID 2857594，11 p.（2018）.
摘要：构建一个能够有效描述数据点之间内在联系的强大图是使基于图的半监督学习算法取得良好性能的关键步骤。在流行的图构造算法中，低秩表示（LRR）是一种非常有竞争力的算法，它可以同时探索数据的全局结构并从噪声环境中恢复数据。因此，学习到的LRR中的低秩系数矩阵可以用来构造数据亲和矩阵。考虑到存在的问题，例如：（1）LRR本质上是线性的，因此不适合处理可能的数据非线性结构；（2）通过挖掘数据的结构信息可以大大提高学习性能；我们提出了一种新的流形核化低秩表示（MKLRR）模型，该模型可以在数据流形自适应核空间中执行LRR。具体地说，歧管结构可以并入通过使用图拉普拉斯算子的核空间，从而数据的底层几何结构被包裹的核空间反映。半监督图像分类任务的实验结果表明了MKLRR的有效性。例如，当每个受试者获得5张、20张和20张标记人脸图像时，MKLRR在ORL、Extended Yale B和PIE数据集上的准确率分别为96.13%、98.09%和96.08%。

MSC公司：

68单位10 图像处理的计算方法
62H30型 分类和区分；聚类分析（统计方面）
94A08型 信息与通信理论中的图像处理（压缩、重建等）

关键词：

半监督图像分类;基于图的半监督学习算法;低秩表示;非线性;流形核化低秩表示（MKLRR）模型

软件：

l1_ls（十一升）
PDF格式BibTeX公司 XML格式引用
\textit{Y.Peng}等人，《复杂性2018》，文章ID 2857594，11 p.（2018；Zbl 1390.68738）
全文： 内政部

参考文献：

[1] 朱，X。；加赫拉马尼，Z。；Lafferty，J.，使用高斯场和调和函数的半监督学习，第20届机器学习国际会议论文集（ICML'03）
[2] Zhu，X.，半监督学习文献调查，计算机科学技术报告，威斯康星州麦迪逊，美国：威斯康星大学，威斯康辛州麦迪森，美国
[3] 蔡，D。；何，X。；Han，J.，半监督判别分析，第11届IEEE计算机视觉国际会议论文集（ICCV’07）·doi:10.1109/ICCV.2007.4408856
[4] 周，Z.-H。；Li，M.，《基于分歧的半监督学习》，《知识与信息系统》，24，3，415-439，（2010）·doi:10.1007/s10115-009-0209-z
[5] Wang，Y。；Chen，S.，安全意识半监督分类，IEEE神经网络和学习系统交易，24，11，1763-1772，（2013）·doi:10.1109/TNNLS.2013.2263512
[6] 江，Z。；张，S。；Zeng，J.，一种用于半监督分类的混合生成/鉴别方法，基于知识的系统，37，137-145，（2013）·doi:10.1016/j.knosys.2012.07.020
[7] 福雷斯蒂尔，G。；Wemmert，C.，《使用有限标记数据的多重聚类进行半监督学习》，《信息科学》，361-36248-65，（2016）·doi:10.1016/j.ins.2016.04.040
[8] Yan，S。；Wang，H.，稀疏表示半监督学习，SIAM国际数据挖掘会议论文集
[9] 庄，L。；高，H。；林，Z。；马云（Ma，Y.）。；张，X。；Yu，N.，用于半监督学习的非负低秩稀疏图，2012年IEEE计算机视觉和模式识别会议论文集（CVPR’12）·doi:10.1109/cvpr.2012.6247944
[10] 郑毅。；张，X。；Yang，S。；Jiao，L.，图构造中带局部约束的低秩表示，神经计算，122，398-405，（2013）·doi:10.1016/j.neucom.2013.06.013
[11] Yang，S。；Z.Feng。；任，Y。；刘，H。；Jiao，L.，基于核低阶表示图的半监督分类，基于知识的系统，69，1，150-158，（2014）·doi:10.1016/j.knosys.2014.06.007
[12] Wright，J。；马云（Ma，Y.）。；Mairal，J。；萨皮罗，G。；Huang，T.S。；Yan，S.，计算机视觉和模式识别的稀疏表示，IEEE学报，98，6，1031-1044，（2010）·doi:10.1109/JPROC.2010.2044470
[13] 彭，Y。；Lu，B.-L.，通过半二次优化实现人脸识别的稳健结构稀疏表示，多媒体工具和应用，76，6，8859-8880，（2017）·doi:10.1007/s11042-016-3510-3
[14] 彭，Y。；Lu，B.-L.，用于图像分类的监督稀疏性保持判别极端学习机，神经计算，261242-252，（2017）·doi:10.1016/j.neucom.2016.05.113
[15] 刘，G。；林，Z。；Yu，Y.，低秩表示的鲁棒子空间分割，第27届国际机器学习大会论文集（ICML'10）
[16] 蒋伟（Jiang，W.）。；刘杰。；Qi，H.等人。；Dai，Q.，通过非凸低秩表示的鲁棒子空间分割，信息科学，340/3341144-158，（2016）·Zbl 1395.68233号 ·doi:10.1016/j.ins.2015.12.038
[17] 卢，X。；Wang，Y。；Yuan，Y.，高光谱图像去纹理的图形正则化低阶表示，IEEE地球科学与遥感汇刊，51，7，4009-4018，（2013）·Zbl 1395.90100号 ·doi:10.1109/tgrs.20122.226730
[18] 彭，Y。；卢，B.-L。；Wang，S.，通过稀疏流形自适应增强半监督学习的低阶表示，神经网络，65，1-17，（2015）·Zbl 1394.68307号 ·doi:10.1016/j.neunet.2015.01.001
[19] 彭，Y。；长X。；Lu，B.-L.，通过结构保持低秩表示的基于图的半监督学习，《神经处理快报》，41，3，389-406，（2015）·doi:10.1007/s11063-014-9396-z
[20] 李，S。；Fu，Y.，带b匹配约束的半监督分类低秩编码，第23届国际人工智能联合会议论文集（IJCAI’13）
[21] Nguyen，H。；杨伟（Yang，W.）。；沈，F。；Sun，C.，《人脸识别的内核低库表示法》，神经计算，155，32-42，（2015）·doi:10.1016/j.neucom.2014.12.051
[22] 郑，M。；Bu，J。；陈，C。；王，C。；张，L。；邱，G。；Cai，D.，用于图像表示的图形正则化稀疏编码，IEEE图像处理汇刊，20，5，1327-1336，（2011）·Zbl 1372.94314号 ·doi:10.1109/TIP.2010.2090535
[23] 蔡，D。；何，X。；Han，J。；Huang，T.S.，用于数据表示的图正则化非负矩阵分解，IEEE模式分析和机器智能汇刊，33，8，1548-1560，（2011）·doi:10.1109/TPAMI.2010.231
[24] 蔡，D。；何，X。；Han，J.，用于文档聚类的局部一致概念分解，IEEE知识与数据工程汇刊，23，6，902-913，（2011）·doi:10.1109/TKDE.2010.165
[25] 何，X.F。；蔡，D。；Shao，Y.L。；Bao，H。；Han，J.，数据聚类的拉普拉斯正则高斯混合模型，IEEE知识与数据工程汇刊，23，9，1406-1418，（2011）·doi:10.1109/tkde.2010.259
[26] 彭，Y。；王，S。；长X。；Lu，B.-L.，判别图正则化极端学习机及其在人脸识别中的应用，神经计算，340-353，（2015）·doi:10.1016/j.neucom.2013.12.065
[27] 哈德塞尔，R。；肖普拉，S。；LeCun，Y.，通过学习不变映射降低维数，IEEE计算机视觉和模式识别会议论文集（CVPR'06）·doi:10.10109/cvpr.2006.100文件
[28] Sindhwani，V.公司。；Niyogi，P。；Belkin，M.，《超越点云：从转导到半监督学习》，第22届国际机器学习大会论文集（ICML'05）
[29] 坎迪斯，E.J。；李，X。；马云（Ma，Y.）。；Wright，J.，稳健主成分分析？，ACM杂志，58，3，（2011）·兹比尔1327.62369 ·数字对象标识代码：10.1145/1970392.1970395
[30] 蔡J.-F。；坎迪斯，E.J。；Shen，Z.，矩阵补全的奇异值阈值算法，SIAM优化杂志，20,41956-1982，（2010）·Zbl 1201.90155号 ·doi:10.1137/080738970
[31] 林，Z。；陈，M。；Ma，Y.，精确恢复受损低秩矩阵的增广拉格朗日乘子方法
[32] 彭，Y。；王，S。；Lu，B.-L.，用于半监督人脸识别的保结构低阶表示，神经信息处理国际会议论文集
[33] Schölkopf，B。；Smola，A.J.，《用内核学习》（2002），麻省理工学院出版社
[34] 贝尔金，M。；信德瓦尼，V。；Niyogi，P.，流形正则化：从标记和未标记示例学习的几何框架，机器学习研究杂志，72399-2434，（2006）·Zbl 1222.68144号
[35] Niyogi，P。；斯梅尔，S。；Weinberger，S.，从随机样本中发现高置信度子流形的同源性，离散与计算几何，39，1-3，419-441，（2008）·Zbl 1148.68048号 ·doi:10.1007/s00454-008-9053-2
[36] Chung，F.R.，谱图理论，92，（1997），AMS书店·Zbl 0867.05046号
[37] 刘，G。；林，Z。；Yan，S。；孙，J。；Yu，Y。；Ma，Y.，通过低秩表示实现子空间结构的稳健恢复，IEEE模式分析和机器智能学报，35，1，171-184，（2013）·doi:10.1109/TPAMI.2012.88
[38] Cheng，B。；杨，J。；Yan，S。；Fu，Y。；Huang，T.S.，图像分析中的graph学习，IEEE图像处理汇刊，19，4，858-866，（2010）·兹比尔1371.68229 ·doi:10.1109/TIP.2009.2038764
[39] Koh，K。；Kim，S。；Boyd，S.，l1_ls:大尺度l1-正则最小二乘问题的Matlab解算器，斯坦福大学
[40] Wang，F。；Zhang，C.，线性邻域中的标签传播，IEEE知识与数据工程汇刊，20，1，55-67，（2008）·doi:10.1109/tkde.2007.190672
[41] 他，R。；郑维生。；胡，B.-G。；Kong，X.-W.，用于区分性半监督学习的非负稀疏编码，2011年IEEE计算机视觉和模式识别会议论文集，CVPR 2011·doi:10.1109/CVPR.2111.5995487
[42] 季S。；Ye，J.，迹范数最小化的加速梯度法，第26届机器学习国际会议论文集（ICML'09），ACM
[43] 蔡，D。；He，X.，文本分类的流形自适应实验设计，IEEE知识与数据工程学报，24，4，707-719，（2012）·doi:10.1109/TKDE.2011.104
[44] Hull，J.J.，手写文本识别研究数据库，IEEE模式分析和机器智能汇刊，16，5，550-554，（1994）·数字对象标识代码：10.1109/34.291440
[45] 李，P。；Bu，J。；张，L。；Chen，C.，基于图的局部概念坐标分解，知识与信息系统，43，1，103-126，（2015）·doi:10.1007/s10115-013-0715-x
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。