曲线配准耦合低秩分解
机器学习
2018-02-12 v1 机器学习
摘要
我们提出了标准多线性（CP）张量模型的一个扩展，其中允许一个潜在因子以受约束的方式跨数据切片变化。我们希望从数据中恢复的潜在因子的分量，可从一个切片到另一个切片相差一个微分同胚。我们假设这些微分同胚也是未知的，从而将曲线配准与张量分解合并于一个模型中，我们称之为配准 CP（registered CP）。我们提出了一种算法来同时恢复潜在因子与微分同胚，其中微分同胚被假定为参数化形式。在论文末尾，我们给出了仿真结果，将配准 CP 与文献中的其他模型进行比较。
引用
@article{arxiv.1802.03203,
title = {Curve Registered Coupled Low Rank Factorization},
author = {Jeremy Emile Cohen and Rodrigo Cabral Farias and Bertrand Rivet},
journal= {arXiv preprint arXiv:1802.03203},
year = {2018}
}