用于模式识别的线性传输 $\mathrm{L}^p$ 距离
计算机视觉与模式识别
2020-09-24 v1 最优化与控制
摘要
传输 距离（记为 ）作为 Wasserstein 距离的推广被提出，其动机是它可直接应用于彩色或多通道图像以及多变量时间序列，而无需归一化或质量约束。这些距离与 一样，是对具有空间或时间扰动的数据建模的有力工具。然而，它们的计算代价可能使其甚至无法应用于中等规模的模式识别任务。我们提出了这些距离的线性版本，并表明线性 距离在信号处理任务上显著优于线性 距离，同时比 距离的计算快几个数量级。
引用
@article{arxiv.2009.11262,
title = {A Linear Transportation $\mathrm{L}^p$ Distance for Pattern Recognition},
author = {Oliver M. Crook and Mihai Cucuringu and Tim Hurst and Carola-Bibiane Schönlieb and Matthew Thorpe and Konstantinos C. Zygalakis},
journal= {arXiv preprint arXiv:2009.11262},
year = {2020}
}