基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在进行线性投影降维时,由于传统的最大间距准则(Maximum Margin Criterion,MMC)算法基于L2-范数,易于受到野值(outliers)及噪声的影响。该文提出一种基于L1-范数的最大间距准则(L1-norm-based MMC,MMC-L1)降维方法,它充分利用L1-范数对野值及噪声的强鲁棒性以及最大间距准则,提出了一种快速迭代优化算法,并给出了其单调收敛到局部最优的证明。在多个图像数据库上的实验验证了该方法的鲁棒性与高效性。
推荐文章
基于WPCA和修正的最大间距准则的人脸识别
人脸识别
加权主成分分析(PCA)
最大间距准则
基于模糊最大间距准则的人脸特征提取方法
人脸识别
模糊最大间距准则
特征提取
核二维最大间距准则
核函数
判别分析
特征提取
矩阵表示
L1-范数子空间技术的鲁棒建模综述
子空间学习
L1范数
鲁棒建模
稀疏建模
边界优化
脑机接口
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于L1-范数的最大间距准则
来源期刊 电子学报 学科 工学
关键词 最大间距准则 (MMC) L1-范数 线性投影 降维
年,卷(期) 2016,(6) 所属期刊栏目 学术论文
研究方向 页码范围 1383-1388
页数 6页 分类号 TP391.4
字数 5393字 语种 中文
DOI 10.3969/j.issn.0372-2112.2016.06.018
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 罗斌 安徽大学计算机科学与技术学院 181 1213 16.0 25.0
5 陈思宝 安徽大学计算机科学与技术学院 16 75 6.0 7.0
7 陈道然 安徽大学计算机科学与技术学院 2 13 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
最大间距准则 (MMC)
L1-范数
线性投影
降维
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子学报
月刊
0372-2112
11-2087/TN
大16开
北京165信箱
2-891
1962
chi
出版文献量(篇)
11181
总下载数(次)
11
总被引数(次)
206555
论文1v1指导