塔式GPCA张量线性子空间图像模式低秩识别

摘要：

数据维数对计算复杂度产生较大影响,降维会导致图像模式的拓扑和几何特征信息丢失,为提高降维后的数据保真度,提出一种基于塔式随机映射广义主成分分析(GPCA)的张量线性子空间图像模式低秩识别方法.在理论上给出塔式变换与随机映射特性分析,推导出随机映射是一个线性和拓扑保持的降维映射;在模式张量的线性降维中,对图像模式识别映射情形进行研究,利用迭代最小二乘算法进行GPCA步骤设计;基于塔式变换降维、随机映射和GPCA构建张量子空间低秩逼近分类过程,实现图像模式高效识别.实验结果表明,所提算法在能量消耗、距离相对误差均值、识别率和计算时间指标上优于对比算法.

关键词：塔式变换、随机映射、线性子空间、模式识别、图像、广义主成分分析

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：广西高校社科基金项目SK132LX443;广西教师教育基金项目2012JS064

在线出版日期：2019-03-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：3797-3803