基于低秩表示的鲁棒回归模型

• 作者: 尹明 李可爱 王丽娟 蔡瑞初 郝志峰
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 线性回归 低轶表示 噪声数据 人脸识别 高维数据
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 74-79,86
• 页数: 7页
• 分类号: TP391
• 字数: 5034字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0053524

摘要

现有的线性回归方法不能有效处理噪声和异常数据.针对这一问题,结合低轶表示和鲁棒回归方法构建模型 LR-RRM.利用低轶表示方法以有监督的方式检测数据内的噪声和异常值,从原始数据的低维子空间中恢复数据干净部分,并将其应用于线性回归分类,从而提升回归性能.在 Extend YaleB、AR、ORL 和 PIE 人脸数据集上的实验结果表明,与标准线性回归、基于鲁棒主成分分析和低轶表示的线性回归模型相比,该模型在4 种原始数据集以及添加随机噪声后的数据集上分类准确率和鲁棒性均较优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郝志峰	广东工业大学计算机学院	166	940	14.0	20.0
2	尹明	广东工业大学自动化学院	24	80	5.0	7.0
3	蔡瑞初	广东工业大学计算机学院	66	279	10.0	13.0
4	王丽娟	广东工业大学计算机学院	20	92	5.0	9.0
5	李可爱	广东工业大学计算机学院	1	1	1.0	1.0