| 鲁棒的低秩鉴别嵌入回归 |
| |
| 引用本文： | 姚裕,万鸣华,黄伟.鲁棒的低秩鉴别嵌入回归[J].南京航空航天大学学报,2021,53(5):692-699. |
| |
| 作者姓名： | 姚裕 万鸣华 黄伟 |
| |
| 作者单位： | 1.南京审计大学信息工程学院,南京 211815;2.韩山师范学院计算机与信息工程学院,潮州521041 |
| |
| 基金项目： | 2020年江苏省科研与实践创新计划（SJCX20_0670）资助项目;国家自然科学基金面上（61876213）资助项目;江苏省自然科学基金面上（BK20201397）资助项目;江苏省高校自然科学研究重大（18KJA520005）资助项目;2016年广东省自然科学基金-粤东西北创新人才联合培养基金（2016A030307050）资助项目;2016年广东省公益能力研究基金（2016A020225008）资助项目;2017年广东省科技厅平台建设基金（2017A040405062）资助项目。 |
| |
| 摘 要： | 局部保持投影（Locality preserving projection, LPP）在特征提取中得到了广泛的应用。但是,LPP不使用数据的类别信息,并且采用L2![]() ![]() 范数来进行距离测量,对异常值高度敏感。本文从监督的角度考虑LPP的权值矩阵,并结合低秩回归的方法,提出一种新的模型来发现和提取特征。利用L2,1![]() ![]() 范数来约束损失函数和回归矩阵,不仅降低了对异常值的敏感性,而且限制了回归矩阵的低秩条件。然后给出了优化问题的求解方法。最后,本文将该方法应用于多个人脸数据库和掌纹数据集进行了性能测试,并将实验结果与现有的一些方法进行比较,结果表明该方法是有效的。
|
| 关 键 词： | 局部保持投影 低秩回归 监督 特征提取 流形学习 |
| 收稿时间： | 2020/10/8 0:00:00 |
| 修稿时间： | 2020/12/6 0:00:00 |
Robust Low-Rank Discriminant Embedded Regression |
| |
| YAO Yu,WAN Minghu,HUANG Wei.Robust Low-Rank Discriminant Embedded Regression[J].Journal of Nanjing University of Aeronautics & Astronautics,2021,53(5):692-699. |
| |
| Authors: | YAO Yu WAN Minghu HUANG Wei |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《南京航空航天大学学报》浏览原始摘要信息 |
| 点击此处可从《南京航空航天大学学报》下载免费的PDF全文 |
|
