用于信号分析的传输 $L^p$ 距离
计算机视觉与模式识别
2016-09-29 v1
摘要
基于传输的距离，例如 Wasserstein 距离和推土机距离，已被证明是信号和图像分析中的有效工具。基于传输的距离的成功部分归因于其 Lagrangian 性质，这使其能够捕捉许多信号类别中的重要变化。然而，这些距离要求信号是非负且归一化的。此外，信号被视为测度并通过重新分配（传输）它们进行比较，这没有直接考虑信号强度。在此，我们研究一种称为 距离的基于传输的距离，它结合了 Lagrangian 和强度建模，并直接适用于一般的、非正的以及多通道信号。该框架允许应用现有的数值方法。我们概述了该距离的基本性质及其在分类中的应用，涉及多通道、非正的一维和二维信号以及颜色迁移。
引用
@article{arxiv.1609.08669,
title = {A Transportation $L^p$ Distance for Signal Analysis},
author = {Matthew Thorpe and Serim Park and Soheil Kolouri and Gustavo K. Rohde and Dejan Slepčev},
journal= {arXiv preprint arXiv:1609.08669},
year = {2016}
}