基于仿射非负协同表示的模式分类
计算机视觉与模式识别
2020-07-13 v1
摘要
在过去的十年中，基于表示的分类方法在模式识别中受到了相当多的关注。特别是，最近提出的非负表示分类（NRC）方法被报道在广泛的分类任务中取得了有前景的结果。然而，NRC有两个主要缺点。首先，NRC的公式中无正则项，这可能导致解的不稳定与误分类。其次，NRC忽略了在实际应用中数据通常位于多个仿射子空间的并集中，而非线性子空间中的事实。为解决上述问题，本文提出一种用于模式分类的仿射非负协同表示（ANCR）模型。更具体地，ANCR对编码向量施加正则项。此外，ANCR引入仿射约束以更好地表示来自仿射子空间的数据。在多个基准数据集上的实验结果证明了所提ANCR方法的优点。我们的ANCR源代码公开于 https://github.com/yinhefeng/ANCR。
引用
@article{arxiv.2007.05175,
title = {Affine Non-negative Collaborative Representation Based Pattern Classification},
author = {He-Feng Yin and Xiao-Jun Wu and Zhen-Hua Feng and Josef Kittler},
journal= {arXiv preprint arXiv:2007.05175},
year = {2020}
}
备注
submitted to the 25th International Conference on Pattern Recognition (ICPR2020)