Tran，K.H。;NgolèMboula，F.M。;J.L.斯塔克。;普罗斯特，V。 图正则化和活动点的半监督字典学习。 （英语） Zbl 1476.68239号 SIAM J.成像科学。 13，第2期，724-745（2020年）. 摘要：近十年来，监督词典学习受到了广泛关注，并在图像分类方面表现出显著的性能改进。然而，一般来说，监督学习需要每个类有大量的标记样本才能获得可接受的结果。为了处理每个类只有少量标记样本的数据库，使用了半监督学习，在训练阶段还利用了未标记样本。事实上，未标记样本可以帮助正则化学习模型，从而提高分类精度。在本文中，我们提出了一种新的基于两个支柱的半监督字典学习方法：一方面，我们使用局部线性嵌入将原始数据的流形结构保持到稀疏代码空间中，这可以被认为是稀疏代码的正则化；另一方面，我们在稀疏码空间中训练半监督分类器。我们表明，我们的方法比最先进的半监督字典学习方法有了改进。 MSC公司： 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分；聚类分析（统计方面） 62华氏35 多元分析中的图像分析 62兰特 歧管统计 65层50 稀疏矩阵的计算方法 关键词：字典学习;半监督学习;流形学习 软件：DLMRI实验室;AR面;耶鲁脸;MNIST公司 PDF格式BibTeX公司 XML格式引用 \textit{K.H.Tran}等人，SIAM J.成像科学。13，编号2，724--745（2020；Zbl 1476.68239） 全文： 内政部 arXiv公司 参考文献： [1] M.Aharon、M.Elad和A.Bruckstein，K-svd：设计稀疏表示超完备字典的算法，Trans。信号。程序。，54（2006），第4311-4322页，https://doi.org/10.109/TSP.2006.881199。 ·Zbl 1375.94040号 [2] B.Babagholami-Mohamadabadi、A.Zarghami、M.Zolfaghari和M.S.Baghshah，《概率半监督词典学习》，摘自《数据库中的机器学习和知识发现》，H.Blockeel、K.Kersting、S.Nijssen和F.Železny©编辑，柏林斯普林格出版社，2013年，第192-207页。 [3] Q.Barthélemy、A.Larue、A.Mayoue、D.Mercier和J.I.Mars，多变量信号的Shift和2d旋转不变稀疏编码，IEEE Trans。信号处理。，60（2012），第1597-1611页·Zbl 1393.94170号 [4] A.Beck和M.Teboulle，线性反问题的快速迭代收缩阈值算法，SIAM J.Img。科学。，2（2009），第183-202页，https://doi.org/10.1137/080716542。 ·Zbl 1175.94009号 [5] S.Becouche、J.-L.Starck和J.Fadili，《使用字典学习进行天文图像去噪》，《天文天体物理学》，556（2013），A132。 [6] L.Chen和M.Yang，利用标签传播进行图像分类的半监督词典学习，计算视觉媒体，3（2017），第83-94页，https://doi.org/10.1007/s41095-016-0073-1。 ·Zbl 1428.68233号 [7] X.Dong，D.Thanou，P.Frossard，and P.Vandergheynst，学习平滑图信号表示中的拉普拉斯矩阵，IEEE Trans。信号处理。，64（2016），第6160-6173页，https://doi.org/10.109/TSP.2016.2602809。 ·Zbl 1414.94172号 [8] M.Elad和M.Aharon，《通过学习词典和稀疏表示进行图像去噪》，载于2006年IEEE计算机学会计算机视觉和模式识别会议（CVPR'06），第1卷，IEEE，2006年，第895-900页。 [9] M.J.Gangeh、A.K.Farahat、A.Ghodsi和M.S.Kamel，《监督词典学习和稀疏表示——评论》，预印本，arXiv:1502.059282015年。 [10] X.He，《局部保护预测》，博士论文，伊利诺伊州芝加哥，2005年。AAI3195015。 [11] P.Irofti和A.Băltoiu，恶意软件识别与字典学习，2019年第27届欧洲信号处理会议（EUSIPCO），2019，第1-5页，https://doi.org/10.23919/EUSIPCO.2019.8903043。 [12] 江泽民、林泽民和L.S.戴维斯，《标签一致性k-svd：学习识别用歧视性词典》，IEEE Trans。模式分析。机器。整数。，35（2013），第2651-2664页，https://doi.org/10.109/TPAMI.2013.88。 [13] S.Kong和D.Wang，《分类的字典学习方法：分离特殊性和共性》，载于《计算机视觉–ECCV 2012》，A.Fitzgibbon、S.Lazebnik、P.Perona、Y.Sato和C.Schmid编辑，柏林斯普林格出版社，2012年，第186-199页。 [14] Y.LeCun和C.Cortes，MNIST手写数字数据库，2010年，http://yann.lecun.com/exdb/mnist/。 [15] H.Lee、A.Battle、R.Raina和A.Y.Ng，《高效稀疏编码算法》，摘自《神经信息处理系统进展》第19卷，B.Scho¨lkopf、J.Platt和T.Hoffman主编，麻省理工学院出版社，马萨诸塞州剑桥，2007年。 [16] J.Mairal、F.Bach、J.Ponce和G.Sapiro，《稀疏编码的在线词典学习》，载于《第26届国际机器学习年会论文集》，ICML'09，美国纽约州纽约市，2009年，ACM，第689-696页，https://doi.org/10.1145/1553374.1553463。 ·Zbl 1242.62087号 [17] J.Mairal、M.Elad和G.Sapiro，彩色图像恢复的稀疏表示，IEEE Trans。图像处理。，17（2008），第53-69页，https://doi.org/10.109/TIP.2007.911828。 ·Zbl 1194.49041号 [18] J.Mairal、J.Ponce、G.Sapiro、A.Zisserman和F.R.Bach，《监督词典学习》，摘自《神经信息处理系统进展》21，D.Koller、D.Schurmans、Y.Bengio和L.Bottou编辑，Curran Associates，2009年，第1033-1040页，http://papers.nips.cc/paper/3448-supervised-dictionary-learning.pdf。 [19] S.G.Mallat和Z.Zhang，用时频字典匹配追踪，IEEE Trans。信号处理。，41（1993年），第3397-3415页·Zbl 0842.94004号 [20] A.M.Martinez和R.Benavente，AR人脸数据库，CVC技术报告第24号，1998年。 [21] S.Matiz和K.E.Barner，用于图像分类的标签一致递归最小二乘字典学习，2016年IEEE图像处理国际会议（ICIP），2016年，第1888-1892页，https://doi.org/10.109/ICIP.2016.7532686。 [22] F.M.N.Mboula、J.Starck、S.Ronayette、K.Okumura和J.Amiaux，使用稀疏正则化恢复点扩散函数的超分辨率方法，CoRR，abs/1410.7679（2014），http://arxiv.org/abs/1410.7679。 [23] D.Pham和S.Venkatesh，模式识别的联合学习和词典构建，2008年IEEE计算机视觉和模式识别会议，2008年，第1-8页，https://doi.org/10.109/CVPR.2008.4587408。 [24] A.Rasmus、H.Valpola、M.Honkala、M.Berglund和T.Raiko，梯形网络半监督学习，2015年，https://arxiv.org/abs/1507.02672。 [25] S.Ravishankar和Y.Bresler，通过字典学习从高度采样不足的k空间数据重建图像，IEEE Trans。医学图像。，30（2011年），第1028-1041页。 [26] S.T.Roweis和L.K.Saul，通过局部线性嵌入降低非线性维数，《科学》，290（2000），第2323-2326页。 [27] A.Shrivastava、J.K.Pillai、V.M.Patel和R.Chellappa，《学习带有部分标记数据的歧视性词典》，09（2012），第3113-3116页，https://doi.org/10.109/ICIP.2012.6467559。 [28] K.Skretting和K.Engan，递归最小二乘字典学习算法，IEEE Trans。信号处理。，58（2010），第2121-2130页，https://doi.org/10.109/TSP.2010.2040671。 ·Zbl 1392.68365号 [29] D.Wang、F.Nie和H.Huang，通过统一归纳和转导模型进行大尺度自适应半监督学习，《第20届ACM SIGKDD知识发现和数据挖掘国际会议论文集》，KDD’14，美国纽约州纽约市，2014年，ACM，第482-491页，https://doi.org/10.1145/2623330.2623731。 [30] D.Wang，X.Zhang，M.Fan，X.Ye，通过结构稀疏保存实现半监督词典学习，载《第三十届AAAI人工智能会议论文集》，AAAI’16，AAAI-出版社，2016年，第2137-2144页。 [31] H.Wang、F.Nie、W.Cai和H.Huang，通过有效l范数最小化实现半监督鲁棒词典学习，2013年IEEE计算机视觉国际会议，第1145-1152页，https://doi.org/10.109/ICCV.2013.146。 [32] X.Wang、X.Guo和S.Z.Li，利用活动点自适应统一半监督词典学习，2015年IEEE计算机视觉国际会议（ICCV），2015年，第1787-1795页，https://doi.org/10.109/ICCV.2015.208。 [33] J.Wright、A.Y.Yang、A.Ganesh、S.S.Sastry和Y.Ma，通过稀疏表示实现鲁棒人脸识别，IEEE Trans。模式分析。机器。整数。，31（2009），第210-227页，https://doi.org/10.109/TPAMI.2008.79。 [34] 耶鲁大学，耶鲁大学人脸数据库扩展b，（2001），http://vision.ucsd.edu/iskwak/ExtYaleDatabase/ExtYaleB.html。 [35] J.Yang、J.Wright、T.S.Huang和Y.Ma，通过稀疏表示实现图像超分辨率，Trans。图。程序。，19（2010），第2861-2873页，https://doi.org/10.109/TIP.2010.2050625。 ·Zbl 1371.94429号 [36] M.Yang、L.Zhang、J.Yang和D.Zhang，基于稀疏表示的人脸识别元脸学习，2010年IEEE图像处理国际会议，2010年9月，第1601-1604页，https://doi.org/10.109/ICIP.2010.5652363。 [37] Y.Yankelevsky和M.Elad，对偶图正则化词典学习，IEEE Trans。信号通知。过程。网络，2（2016），第611-624页，https://doi.org/10.109/TSIPN.2016.2605763。 [38] Y.Yankelevsky和M.Elad，《使用监督字典学习进行结构感知分类》，2017年IEEE声学、语音和信号处理国际会议（ICASSP），2017年，第4421-4425页，https://doi.org/10.109/ICASSP.2017.7952992。 [39] G.Zhang、Z.Jiang和L.S.Davis，《稀疏表示的在线半监督鉴别词典学习》，载《第十一届亚洲计算机视觉会议论文集——第一卷》，ACCV’12，柏林斯普林格，2013年，第259-273页，https://doi.org/10.1007/978-3642-37331-2_20。 [40] J.Zhang，D.Zhao，W.Gao，基于组的图像恢复稀疏表示，CoRR，http://arxiv.org/abs/1405.3351, 2014. ·Zbl 1374.94445号 [41] Q.Zhang和B.Li，人脸识别中字典学习的判别k-svd，2010年IEEE计算机学会计算机视觉和模式识别会议，2010年，第2691-2698页，https://doi.org/10.109/CVPR.2010.5539989。 ·Zbl 1222.91021号 [42] 郑明，布J.，陈C.，王C.，张L.，邱G.，蔡D.，图像表示的图形正则化稀疏编码，IEEE Trans。关于图像处理。，20（2011），第1327-1336页，https://doi.org/10.109/TIP.2010.2090535。 ·Zbl 1372.94314号 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且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。