基于期望最大化复合似然的关联 Wishart 矩阵分类
统计方法学
2022-12-13 v2
摘要
正定矩阵变量数据在计算机视觉中日益流行。以区域协方差描述子（RCD）形式出现的计算机视觉数据描述子是正定矩阵，其提取图像的关键特征。RCD 广泛用于图像集分类。一些将 RCD 视为 Wishart 分布随机矩阵的分类方法正被提出。然而，现有多数方法排除了由所谓非体素信息（如受试者年龄、鼻宽等）引起的 RCD 间潜在关联。对关联 Wishart 矩阵建模十分困难，因为关联 Wishart 矩阵的联合密度函数难以获得。本文中，我们提出一种基于期望最大化复合似然的 Wishart 矩阵算法来解决此问题。基于合成数据与真实数据（Chicago 人脸数据集）的数值研究，我们所提算法优于未考虑由所谓非体素信息引起关联的替代方法。上述所有均展示了我们的算法在未来图像集分类中令人信服的潜力。
引用
@article{arxiv.2012.13075,
title = {Correlated Wishart Matrices Classification via an Expectation-Maximization Composite Likelihood-Based Algorithm},
author = {Zhou Lan},
journal= {arXiv preprint arXiv:2012.13075},
year = {2022}
}