基于子空間字典低秩表示的流形投影學(xué)習(xí)

打開文本圖片集

摘要：低秩表示（Low-Rank Representation，LRR） 能夠?qū)⒚總€數(shù)據(jù)點表示為若干個基的線性組合，是一種獲取樣本底層低維結(jié)構(gòu)的方法。然而，大多數(shù)LRR 方法使用原始數(shù)據(jù)集作為字典，這不能揭示數(shù)據(jù)的真實分割。本文提出了基于子空間字典低秩表示的流形投影學(xué)習(xí)：該方法學(xué)習(xí)最優(yōu)子空間作為LRR 問題的字典，而不是使用原始數(shù)據(jù)集；利用基數(shù)最少的方案，低秩表示矩陣能很好地恢復(fù)原始數(shù)據(jù)；通過對投影矩陣施加行稀疏約束，該方法不僅可以選擇鑒別性特征并忽略冗余特征，而且使子空間學(xué)習(xí)具有很好的解釋性。（剩余1183字）