有效的协方差判别学习算法

• 作者: 刘华明 徐冬青 王秀友 范建中
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 协方差鉴别学习 黎曼流形 双向二维主成分分析 QR分解 对数欧氏距离 Stein散度 核判别分析
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 图像与视觉
• 页码范围: 1847-1857
• 页数: 11页
• 分类号: TP391.41
• 字数: 9864字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2019.17455

摘要

在基于视频的图像集分类中, 类内样本多样性问题是影响算法分类性能的一个主要原因. 为了尝试解决该问题, 提出了一种图像集分类算法, 其目标体现在2个方面: (1) 使得算法在时间效率上相较于协方差判别学习(CDL)等具有代表性的图像集分类算法有进一步的提升; (2) 使得算法在分类精度上也仍然具有可比性. 首先利用双向二维主成分分析对原始的协方差特征进行降维, 使其变得更加紧凑. 同时, 为了抽取到更具判别性的特征信息, 对每一个低维紧凑的协方差矩阵应用 QR 分解, 使其变换成一个正交基矩阵和一个非奇异的上三角矩阵. 考虑数据分布空间的黎曼流形特性, 通过定义函数的方式使得上三角矩阵仍然分布在由对称正定(SPD)矩阵张成的 SPD 流形之上. 此时,原始的样本空间就转化成了一个由正交基矩阵张成的Grassmann流形和一个特征分布更加紧凑的新的SPD流形. 为了更好地整合这2种黎曼流形特征, 首先利用Stein散度以及对数欧氏距离导出一个黎曼流形测地线距离度量; 然后,利用该度量设计一个正定的核函数将上述特征映射到一个高维 Hilbert 核空间; 最后, 利用核判别分析算法进行判别子空间特征学习. 文中算法在5个基准视频集YTC, Honda, ETH-80, MDSD以及AFEW上均取得了较好的分类结果,同时在计算效率上也优于CDL等对比算法, 从而表明了其可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王秀友	阜阳师范大学计算机与信息工程学院	63	142	7.0	9.0
2	刘华明	阜阳师范大学计算机与信息工程学院	43	80	5.0	7.0
3	范建中	阜阳师范大学计算机与信息工程学院	16	47	3.0	6.0
4	徐冬青	阜阳师范大学计算机与信息工程学院	13	13	2.0	2.0