关于多线性 PCA 加多线性 LDA 处理张量数据的报告：以视觉分类为例
计算机视觉与模式识别
2012-03-06 v1
摘要
在实际应用中，我们经常需要处理高阶数据，例如灰度图像和视频序列本质上是二阶张量和三阶张量。为了对这些高阶数据进行聚类或分类，传统的方法是在处理之前将这些数据向量化，如 PCA 或 FDA 所做的那样，这常常导致维数灾难问题。因此，专家们开发了许多处理张量数据的方法，例如多线性 PCA、多线性 LDA 等。在本文中，我们仍然解决高阶数据表示和识别的问题，并提出研究将多线性 PCA 和多线性 LDA 合并到一个场景中的结果，我们将其命名为 GDA（广义判别分析的缩写）。为了评估 GDA，我们进行了一系列实验，实验结果表明我们的 GDA 优于一组竞争方法，如 (2D)^2PCA、(2D)^2LDA 和 MDA。
引用
@article{arxiv.1203.0744,
title = {A Report on Multilinear PCA Plus Multilinear LDA to Deal with Tensorial Data: Visual Classification as An Example},
author = {Shu Kong and Donghui Wang},
journal= {arXiv preprint arXiv:1203.0744},
year = {2012}
}