基于邻域图的低秩投影学习

摘要：

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.

关键词：图像处理、特征提取、低秩表示、人脸识别

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：江苏省研究生科研与实践创新计划项目KYCX18_1871

在线出版日期：2021-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：209-214