×
叶磊;王灿;徐欣;钱、惠

针对具有精细粒度的子数据集的自定义字典学习。 （英语） Zbl 1400.68186号

数学。问题。工程师。 2016年，文章ID 5376087，13 p.（2016）.
摘要：稀疏模型在机器学习和计算机视觉中有着广泛的应用。使用学习过的字典而不是“现成的”字典可以显著提高特定数据集的性能。然而，由于可用性有限的子数据集样本和大量的受试者，为每个细粒度的子数据集（受试者）学习一个新的子数据集可能是不必要的或不切实际的。为了解决这个问题，我们考虑字典定制问题，即借助从目标子数据集获得的辅助样本，专门化与总数据集对应的现有全局字典。受观察启发，然后根据理论分析推导，使用正则化器惩罚全局字典和定制字典之间的差异。通过在稀疏性约束下最小化上述正则化子的重建误差之和，我们利用了辅助样本中包含的目标子数据集的特征，同时保持了存储在全局字典中的基本草图。提出了一种有效的算法，并用实际数据进行了实验验证。

MSC公司：

68T05型 人工智能中的学习和自适应系统

软件：

耶鲁脸;CMU项目
PDF格式BibTeX公司 XML格式引用
\textit{L.Ye}等人，数学。问题。Eng.2016，文章ID 5376087，13 p.（2016；Zbl 1400.68186）
全文： 内政部

参考文献：

[1] Elad，M。；Aharon，M.，通过学习词典的稀疏和冗余表示进行图像去噪，IEEE图像处理汇刊，15，12，3736-3745，（2006）·doi:10.1109/TIP.2006.881969
[2] 马，L。；王，C。；肖，B。；周伟，基于区分低阶字典学习的人脸识别稀疏表示，IEEE计算机视觉和模式识别会议论文集（CVPR’12）·doi:10.1109/cvpr.2012.6247977
[3] Wright，J。；Yang，A.Y。；Ganesh，A。；Sastry，S.S。；Ma，Y.，通过稀疏表示实现鲁棒人脸识别，IEEE模式分析和机器智能汇刊，31，2，210-227，（2009）·doi:10.1109/tpami.2008.79
[4] 张，Q。；Li，B.，人脸识别中字典学习的判别K-SVD，IEEE计算机学会计算机视觉和模式识别会议论文集（CVPR’10）·doi:10.1109/cvpr.2010.5539989
[5] 刘，H。；刘，Y。；Sun，F.，使用结构化稀疏编码的稳健样本提取，IEEE神经网络与学习系统学报，26，8，1816-1821，（2015）·doi:10.1109/tnnls.2014.2357036
[6] 刘，H。；郭，D。；Sun，F.，《使用触觉测量的物体识别：内核稀疏编码方法》，IEEE仪器与测量学报，65，3，656-665，（2016）·doi:10.1109/tim.2016.2514779
[7] 刘，H。；Yu，Y。；Sun，F。；Gu，J.，用于物体识别的视觉-触觉融合，IEEE自动化科学与工程学报，（2016）·doi:10.1109/tase.2016.2549552
[8] Mallat，S.，《信号处理的小波之旅》，（1999），学术出版社·Zbl 0945.68537号
[9] Engan，K。；阿瑟，S.O。；Husoy，J.H.，框架设计的最佳方向方法，IEEE声学、语音和信号处理国际会议论文集（ICASSP’99）
[10] Aharon先生。；Elad，M。；Bruckstein，A.，K-SVD:设计稀疏表示超完备字典的算法，IEEE信号处理学报，54，11，4311-4322，（2006）·Zbl 1375.94040号 ·doi:10.1109/tsp.2006.881199
[11] 周，M。；陈，H。；佩斯利，J。；任，L。；李，L。；邢，Z。；邓森，D。；萨皮罗，G。；Carin，L.，用于分析噪声和不完整图像的非参数贝叶斯字典学习，IEEE图像处理汇刊，21，1，130-144，（2012）·Zbl 1373.62334号 ·doi:10.1109/TIP.2011.2160072
[12] Mairal，J。；巴赫，F。；彭斯，J。；Sapiro，G.，稀疏编码的在线词典学习，第26届机器学习国际会议论文集（ICML'09），ACM
[13] Schnass，K.，超完备词典的局部识别·Zbl 1351.68232号
[14] Schnass，K.，《通过K-SVD下的最小化原则识别超完备词典》，应用和计算谐波分析，37，3，464-491，（2014）·Zbl 1297.94018号 ·doi:10.1016/j.acha.2014.01.005
[15] Gribonval，R。；Jenatton，R。；巴赫，F。；Kleinsteuber，M。；Seibert，M.，字典学习和其他矩阵分解的样本复杂性·Zbl 1359.62287号
[16] Gribonval，R。；Jenatton，R。；巴赫，F.，《稀疏与虚假：带噪声与离群值的字典学习》，《IEEE信息理论汇刊》，61，11，6298-6319，（2015）·Zbl 1359.94096号 ·doi:10.1109/tit.2015.2472522
[17] 卢，C。；史，J。；Jia，J.，在线健壮词典学习，第26届IEEE计算机视觉和模式识别会议论文集（CVPR’13）·doi:10.1109/cvpr.2013.60文件
[18] 杨，M。；张，L。；X·冯。；Zhang，D.，《稀疏表示的费希尔判别词典学习》，IEEE计算机视觉国际会议论文集（ICCV’11）·doi:10.1109/iccv.2011.6126286
[19] Mairal，J。；庞塞，J。；萨皮罗，G。；齐瑟曼，A。；Bach，F.R.，《监督词典学习》，《神经信息处理系统进展学报》22（NIPS’09）
[20] Hawe，S。；塞伯特，M。；Kleinsteuber，M.，可分离词典学习，第26届IEEE计算机视觉和模式识别会议论文集（CVPR’13），IEEE·doi:10.1109/cvpr.2013.63
[21] 坎迪斯，E.J。；Romberg，J.K。；Tao，T.，从不完整和不准确的测量中恢复稳定信号，《纯粹和应用数学通讯》，59，8，1207-1223，（2006）·邮编1098.94009 ·doi:10.1002/cpa.20124年
[22] 内加班，S。；拉维库马尔，P。；Wainwright，M.J。；Yu，B.，用可分解正则化子对M估计进行高维分析的统一框架，第23届神经信息处理系统年会论文集（NIPS’09）
[23] 马可夫斯基，I。；Huffel，S.V.，总最小二乘法概述，信号处理，87，10，2283-2302，（2007）·Zbl 1186.94229号 ·doi:10.1016/j.sigpro.2007.04.004
[24] 帕蒂，Y.C。；Rezaiifar，R。；Krishnaprasad，P.S.，《正交匹配追踪：递归函数逼近及其在小波分解中的应用》，第27届Asilomar信号、系统和计算机会议论文集，IEEE
[25] Gorodnitsky，I.F。；Rao，B.D.，《使用FOCUSS从有限数据中重建稀疏信号：加权最小范数算法》，IEEE信号处理学报，45，3，600-616，（1997）·doi:10.1109/78.558475
[26] Tibshirani，R.，《通过套索进行回归收缩和选择》，《皇家统计学会杂志》。B系列方法学，58，1，267-288，（1996）·Zbl 0850.62538号
[27] 埃卡特，C。；Young，G.，《一个矩阵与另一个低阶矩阵的近似》，《心理测量学》，1，3，211-218，（1936）·doi:10.1007/BF02288367
[28] 西姆·T。；贝克，S。；Bsat，M.，CMU姿势、照明和表情（PIE）数据库，第五届IEEE自动人脸和手势识别国际会议论文集（FGR’02），IEEE
[29] 杨，J。；Wright，J。；Huang，T.S。；Ma，Y.，通过稀疏表示实现图像超分辨率，IEEE图像处理汇刊，19，11，2861-2873，（2010）·Zbl 1371.94429号 ·doi:10.1109/TIP.2010.2050625
[30] Elad，M.，稀疏和冗余表示：从理论到信号和图像处理的应用，（2010），美国纽约州纽约市：美国纽约州斯普林格·Zbl 1211.94001号 ·doi:10.1007/978-1-4419-7011-4
[31] 郭毅。；伯格斯，C.J.C。；博图，L。；加赫拉马尼，Z。；Weinberger，K.Q.，带秩约束的稳健传递主成分分析，第26届神经信息处理系统国际会议论文集（NIPS’13）
[32] Georgeiades，A.，耶鲁人脸数据库，（1997），耶鲁大学计算视觉与控制中心
[33] 江，Z。；林，Z。；Davis，L.S.，通过标签一致的K-SVD学习稀疏编码的判别字典，2011年IEEE计算机视觉和模式识别会议论文集（CVPR’11），IEEE·doi:10.1109/cvpr.2011.5995354
[34] Georghiades，A.S。；Belhumeur，P.N。；Kriegman，D.J.，《从少到多：可变光照和姿势下人脸识别的照明锥模型》，IEEE模式分析和机器智能汇刊，23，6，643-660，（2001）·doi:10.1009/34.927464
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。