结合表示学习与嵌入子空间学习的降维方法

• 作者: 陶洋 鲍灵浪 胡昊
• 来源期刊: 计算机工程
• 关键词: 低秩表示 稀疏表示 降维 联合学习 图像分类
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 人工智能与模式识别|Artificial Intelligence and Pattern Recognition
• 页码范围: 83-87,97
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057932

摘要

在对样本数据进行降维时,子空间学习模型无法揭示数据结构和处理训练样本外的新样本.提出一种融合表示学习和嵌入子空间学习的降维方法.将低秩表示、加权稀疏表示和低维子空间学习构建到一个统一的框架中,并采用交替优化策略,实现数据表示系数矩阵和数据投影矩阵的同时学习和相互优化,最终达到重建效果最优的降维精度.在3个数据库上的实验结果表明,与PCA、NPE、LRPP等主流方法相比,该方法不仅可以解决无法训练新样本的问题,而且具有较优的分类性能.