10.3778/j.issn.1002-8331.1912-0471
基于邻域图的低秩投影学习
特征提取算法通常只单独用到了数据的局部结构或者整体结构,这样将得不到全局最优投影矩阵,且投影矩阵不具备很好的可解释性.为此,提出了一种基于邻域图的低秩投影学习算法.该算法通过在数据的重构残差上施加图约束来保持数据的局部结构,同时引入低秩项来保持整体结构;算法利用L2,1范数行稀疏的性质对投影矩阵进行约束,这样可以剔除冗余特征,提高投影矩阵的可解释性;并且算法引入噪声稀疏项来减弱样本本身存在噪声的干扰.模型采用交替迭代方法求解,在多个数据集上的实验结果表明该算法能有效地提高分类精度.
图像处理、特征提取、低秩表示、人脸识别
57
TP391(计算技术、计算机技术)
江苏省研究生科研与实践创新计划项目KYCX18_1871
2021-04-12(万方平台首次上网日期,不代表论文的发表时间)
共6页
209-214