×
侯成平;聂飞萍;张长水;易东云;吴毅

用于矩阵数据分类的多秩多线性SVM。 （英语） Zbl 1326.68245号

模式识别 第454-469号第47页（2014年）.
摘要：矩阵，或者更一般地说，多路阵列（张量）是在广泛的实际应用中遇到的常见数据形式。如何对这类数据进行分类是模式识别和机器学习的一个重要研究课题。本文通过分析两种著名的传统分类方法，即SVM和STM之间的关系，提出了一种新的基于张量的方法，即多秩多线性SVM（MRMLSVM）。与传统的基于向量和基于张量的方法不同，该方法采用多组左右投影向量来构造决策边界和建立边缘函数。我们发现，变换的秩可以作为一个折衷参数，在本质上平衡学习能力和泛化能力。我们还提出了一种有效的方法来解决所提出的非凸优化问题。分析了收敛行为、初始化、计算复杂性和参数确定问题。与基于向量的分类方法相比，MRMLSVM具有更高的精度和更低的计算复杂度。与传统的基于监督张量的方法相比，MRMLSVM对矩阵数据的分类性能更好。在各种数据集上的实验结果表明了该方法的有效性。

引用于5文件

MSC公司：

68吨10 模式识别、语音识别
68T05型 人工智能中的学习和自适应系统

关键词：

模式识别;矩阵数据分类;学习能力;一般化;支持向量机;STM公司

软件：

PRMLT公司;伦敦银行支持向量机
PDF格式BibTeX公司 XML格式引用
\textit{C.Hou}等人，模式识别47，No.1，454--469（2014；Zbl 1326.68245）
全文： 内政部

参考文献：

[1] 杨，J。；张，D。；Frangi，A.F。；Yang，J.，基于外观的人脸表示和识别的二维pcaa新方法，IEEE模式分析和机器智能汇刊，26，131-137（2004）
[2] A.W.-K.孔。；张，D.D。；Kamel，M.S.，掌纹识别调查，模式识别，42，7，1408-1418（2009）
[3] Koo，J.J。；埃文斯，A.C。；Gross，W.J.，基于fpgas的三维脑mri组织分类，IEEE图像处理汇刊，18，12，2735-2746（2009）·Zbl 1371.94197号
[4] 沙赫纳罗维奇，G。；Darrell，T。；Indyk，P.，《学习和视觉理论与实践中的近邻方法（神经信息处理）》（2006），麻省理工学院出版社
[5] Vapnik，V.N.，《统计学习理论的本质》（1995），Springer-Verlag:Springer-Verlag纽约，纽约，美国·Zbl 0833.62008号
[6] 肖尔科夫，B。；Smola，A.J.，《使用内核学习支持向量机、正则化、优化和超越》（2001年），麻省理工学院出版社：麻省理学院出版社，马萨诸塞州剑桥，美国
[7] Bishop，C.M.，模式识别和机器学习（2006），Springer-Verlag:Springer-Verlag Secaucus，NJ，USA·Zbl 1107.68072号
[9] Chang，C.-C。；Lin，C.-J.，支持向量机的LIBSVMA库，ACM智能系统与技术汇刊，2，27:1-27:27（2011）
[10] Rendle，S.，带libfm的分解机器，ACM智能系统与技术交易（TIST），3，3，57（2012）
[12] 侯，C。；张，C。；Wu，Y。；Jiao，Y.，稳定局部降维方法，模式识别，42，9，2054-2066（2009）·Zbl 1177.68171号
[17] Jolliffe，I.，主成分分析（2002），Springer:Springer New York·Zbl 1011.62064号
[18] Ye，J。；Li，Q.，LDA/QRan高效降维算法及其理论基础，模式识别，37，4，851-854（2004）
[20] 聂，F。；项，S。；Song，Y。；Zhang，C.，提取局部张量判别分析的最优维数，模式识别，42，1105-114（2009）·Zbl 1159.68545号
[22] 李，M。；Yuan，B.，图像矩阵的二维ldaA统计线性判别分析，模式识别字母，26，52527-532（2005）
[23] Yan，S。；徐，D。；杨琼。；张，L。；唐，X。；Zhang，H.，人脸识别的多线性判别分析，IEEE图像处理汇刊，16，1，212-220（2007）
[25] 陶，D。；李，X。；吴，X。；胡，W。；Maybank，S.J.，监督张量学习，知识和信息系统，13，1，1-42（2007）
[26] 陶，D。；李，X。；吴，X。；Maybank，S.J.，Tensor秩一判别分析——判别多线性子空间选择的收敛方法，神经计算，71，10-12，1866-1882（2008）
[27] 陈，S。；王，Z。；Tian，Y.，具有正则化学习的矩阵模式定向ho-kashyap分类器，模式识别，40，5，1533-1543（2007）·Zbl 1107.68456号
[28] 王，Z。；陈，S。；刘杰。；Zhang，D.，特征提取中的模式表示和分类器设计矩阵与向量，IEEE神经网络汇刊，19，5，758-769（2008）
[29] 张，Z。；Chow，T.W.S.，应用于图像分类和分割的最大边缘多曲面支持张量机，应用专家系统，39，1，849-860（2012）
[30] 侯，C。；聂，F。；Yi，D。；Wu，Y.，通过多秩回归实现高效图像分类，IEEE图像处理汇刊，22，1，340-352（2013）·兹比尔1373.94166
[31] 王，Z。；陈，S。；Gao，D.，从单视图模式发展而来的新型多视图学习，模式识别，44，10-11，2395-2413（2011）·Zbl 1218.68136号
[32] Bishop，C.M.，模式识别和机器学习（2006），Springer-Verlag New York，Inc.：Springer-Verlag New Yeork，Inc，美国新泽西州塞考克斯·Zbl 1107.68072号
[33] 博伊德，S。；Vandenberghe，L.，《凸优化》（2004），剑桥大学出版社：剑桥大学出版社，美国纽约州纽约市·兹比尔1058.90049
[34] A.N.兰维尔。；Stewart，W.J.，《克罗内克积与随机自动机网络》，《计算与应用数学杂志》，429-447（2003）·Zbl 1104.68062号
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。