×
魏，赖;王晓峰;尹、军;吴爱华

子空间分割的自正则定秩表示。 （英语） Zbl 1435.68333号

信息科学。 412-413, 194-209 (2017).
小结：考虑从各种线性子空间生成的一组数据点。子空间分割是计算机视觉和图像处理等领域中的重要任务，其目的是对数据点集进行分割，以恢复这些子空间。为了解决经典低秩表示（LRR）中采样不足的问题，引入了子空间分割方法——固定秩表示法（FRR）。在许多子空间分割应用中，FRR取得了比LRR更好的结果。本文提出了一种新的与FRR相关的算法，称为自调节固定秩表示（SRFRR）。在SRFRR中，利用SRFRR自身获得的系数矩阵构造拉普拉斯正则化子。此外，通过证明拉普拉斯正则化子可以转换为系数矩阵上的结构约束，我们证明了另一种现有方法稀疏FRR（SFRR）是SRFRR的特例。为了实现SRFRR方法，我们提出了两种优化算法。在合成数据库和实际数据库上的实验表明，SRFRR的性能优于一些现有的FRR和LRR相关算法。

MSC公司：

68T45型 机器视觉和场景理解
68单位10 图像处理的计算方法

关键词：

子空间分割;低阶表示;固定秩表示;结构约束

软件：

AR面
PDF格式BibTeX公司 XML格式引用
\textit{L.Wei}等人，《信息科学》。412--413、194-209（2017年；Zbl 1435.68333）
全文： 内政部

参考文献：

[1] 巴特尔斯，R。；Stewart，G.，矩阵方程AX+XB=c的解，Commun。美国医学会，19，3，275-276（1976）·Zbl 0344.15010号
[2] 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) ·Zbl 1085.68119号
[3] 蔡，J。；坎迪斯，E。；Shen，Z.，矩阵补全的奇异值阈值算法，SIAM J.Optim。，4, 1956-1982 (2010) ·Zbl 1201.90155号
[4] 陈，J。；Yang，J.，通过低秩表示的稳健子空间分割，IEEE Trans。赛博。，44, 1432-1445 (2014)
[5] 陈，J。；张，H。；毛，H。；Sang，Y。；Yi，Z.，子空间聚类的对称低秩表示，神经计算，173，3，1192-1202（2014）
[6] 杜达，R。；哈特，P。；Stork，D.，模式分类（2000），Wiley Interscience
[7] 埃克斯坦，J。；Bertsekas，D.，关于最大单调算子的douglas-rachford分裂方法和近点算法，数学。程序。，55, 1, 293-318 (1992) ·Zbl 0765.90073号
[8] Elhamifar，E。；Vidal，R.，《稀疏子空间聚类》，Proc。IEEE计算机学会计算机视觉和模式识别会议，2790-2797（2009），CVPR 2009:CVPR 2009美国佛罗里达州迈阿密
[9] Elhamifar，E。；Vidal，R.，《稀疏子空间聚类：算法、理论和应用》，IEEE Trans。图案。分析。机器。智力。，35, 11, 2765-2781 (2013)
[11] 何，X。；Niyogi，P.，《位置保持预测》（Thrun，S.；Saul，L.K.；Schlkopf，B.，《神经信息处理系统程序》（2002），NIPS 2002:NIPS 2002，加拿大不列颠哥伦比亚省温哥华），186-197
[12] 姜杰。；杨，J。；崔，Y。；Luo，L.，通过加权低阶模型去除混合噪声，神经计算，151817-826（2015）
[13] Lee，K。；Ho，J。；Driegman，D.，在可变光照下获取用于人脸识别的线性子空间，IEEE Trans。模式分析。机器。智力。，27, 5, 684-698 (2005)
[14] 李，P。；Bu，J。；徐，B。；何，Z。；陈，C。；Cai，D.，稳健视觉分析的稀疏定秩表示，信号处理。，110, 222-231 (2015)
[15] 林，Z。；陈，M。；吴，L。；Ma，Y.，精确恢复受损低秩矩阵的增广拉格朗日乘子法（2009），UIUC:UIUC Champaign，IL，USA
[16] 林，Z。；刘，R。；Su，Z.，低阶表示的自适应惩罚线性化交替方向方法，（Taylor，J.；Zemel，R.S.；Bartlett，P.L.；Pereira，F.C.N.；Weinberger，K.Q.，《神经信息处理系统程序》（2011），NIPS 2011:NIPS 2011 Granada，西班牙），612-620
[17] 刘，R。；林，Z。；托瑞，F.D.l。；Su，Z.，《无监督视觉学习的固定库表示法》，收录于Proc。IEEE计算机学会计算机视觉和模式识别会议，598-605（2012），CVPR’12，普罗维登斯：CVPR'12，美国普罗维登斯·RI
[18] 刘，G。；林，Z。；Yan，S。；Sun，J。；Yu，Y。；Ma，Y.，通过低秩表示实现子空间结构的稳健恢复，IEEE Trans。模式分析。机器。智力。，35, 171-184 (2013)
[19] 刘，G。；林，Z。；Yu，Y.，《基于低秩表示的稳健子空间分割》（Frnkranz，J.；Joachims，T.，第27届国际机器学习会议（2010），ICML-10:ICML-10海法，以色列），663-670
[20] 刘，G。；Yan，S.，子空间分割和特征提取的潜在低阶表示，（Metaxas，D.N.；Quan，L.；Sanfeliu，A.；Gool，L.J.V.，IEEE国际计算机视觉会议（2011），ICCV 2011:ICCV 2011，西班牙巴塞罗那），1615-1622
[21] 卢，X。；Wang，Y。；Yuan，Y.，高光谱图像去纹理的图正则化低阶表示，IEEE Trans。地质科学。遥感，51，7-1，4009-4018（2013）
[22] 马云（Ma，Y.）。；德克森，H。；Hong，W。；Wright，J.，《通过有损编码和压缩对多元混合数据进行分段》，IEEE Trans。模式分析。机器。智力。，1546-1562年9月29日（2007年）
[23] 马云（Ma，Y.）。；Yang，A.Y。；Derksen，H。；Fossum，R.，《子空间排列估计及其在混合数据建模和分段中的应用》，SIAM Rev.，50，3，413-458（2008）·Zbl 1147.52010年
[24] 马丁内斯，A.M。；Benavente，R.，AR人脸数据库，技术报告24（1998），CVC，巴塞罗那大学巴塞罗那：CVC，西班牙巴塞罗那
[25] Rao，S。；特隆·R。；维达尔，R。；Ma，Y.，存在离群、不完整或损坏轨迹的运动分割，IEEE Trans。模式分析。机器。智力。，1832-1845年10月32日（2010年）
[26] 邵，M。；套件，D。；Fu，Y.，通过低秩约束的广义转移子空间学习，国际计算机杂志。视觉。，109, 1-2, 74-93 (2014) ·Zbl 1328.68250号
[27] 史J。；Malik，J.，标准化切割和图像分割，IEEE Trans。模式分析。机器。智力。，22, 888-905 (2000)
[28] Tang，K。；刘，R。；Zhang，J.，结构约束低阶表示，IEEE Tran。神经网络。学习。系统。，25, 2167-2179 (2014)
[29] 特隆·R。；Vidal，R.，《三维运动分割算法比较基准》，Proc。IEEE计算机学会计算机视觉和模式识别会议，1-8（2007），CVPR'07:CVPR'07美国明尼苏达州明尼阿波利斯
[30] 维达尔，R。；Favaro，P.，低秩子空间聚类，模式识别。莱特。，43, 47-61 (2014)
[31] Wei，L。；Wu，A。；Yin，J.，基于低秩和局部约束的潜在空间鲁棒子空间分割，专家。系统。申请。，42, 6598-6608 (2015)
[32] Wright，J。；彭，Y。；马云（Ma，Y.）。；Ganesh，A。；Rao，S.，《稳健主成分分析：通过凸优化精确恢复受损低秩矩阵》，（Bengio，Y.；Schuurmans，D.；Lafferty，J.D.；Williams，C.K.I.；Culotta，A.，Proc.23神经信息处理系统年会（2009），NIPS 2009:NIPS 2009加拿大不列颠哥伦比亚省温哥华），第20:3-20:56页
[33] Wright，J。；Yang，A.Y。；Ganesh，A。；Sastry，S.S。；Ma，Y.，基于稀疏表示的鲁棒人脸识别，IEEE Trans。模式分析。机器。智力。，31, 210-227 (2009)
[34] 杨，M。；张，L。；杨，J。；Zhang，D.，《稳健稀疏编码人脸识别》，Proc。第24届IEEE计算机视觉和模式识别会议，625-632（2011），CVPR’11，科罗拉多州斯普林斯：CVPR'11，科罗拉多斯普林斯科罗拉多州，美国
[35] 尹，M。；高杰。；Lin，Z.，Laplacian正则化低秩表示及其应用，IEEE Trans。模式分析。机器。智力。，38, 3, 504-517 (2016)
[36] 尹，M。；高杰。；林，Z。；石青（Shi，Q.）。；Guo，Y.，对偶图正则化子空间聚类的潜在低秩表示，IEEE Trans。图像处理。，2424918-4933（2015年）·Zbl 1408.94773号
[37] 张，T。；Szlam，A。；Wang，Y。；Lerman，G.，《通过局部最佳拟合平面进行混合线性建模》，《国际计算杂志》。视觉。，100, 3, 217-240 (2012) ·Zbl 1259.68207号
[38] 赵，M。；Jiao，L。；冯，J。；Liu，T.，用于半监督学习的简化低秩稀疏图，神经计算，140，84-96（2014）
[39] 庄，L。；高，H。；林，Z。；马云（Ma，Y.）。；张，X。；Yu，N.，半监督学习中的非负低秩稀疏图，Proc。IEEE计算机学会计算机视觉和模式识别会议，2328-2335（2012），CVPR’12，普罗维登斯：CVPR'12，普罗维登斯RI，美国
[40] 庄，L。；Wang，J。；林，Z。；Yang，A.Y。；马云（Ma，Y.）。；Yu，N.，基于非线性流形的图构造的保局部低阶表示，神经计算，175715-722（2016）
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。