超图 p-Laplacian 正则化用于遥感图像识别
计算机视觉与模式识别
2019-05-01 v1
摘要
在基于半监督学习（SSL）的应用中，保持局部性与相似性信息至关重要。基于图的 SSL 与基于流形正则化的 SSL（包括拉普拉斯正则化（LapR）与超图拉普拉斯正则化（HLapR））是代表性的 SSL 方法，并通过利用样本分布的关系取得了显著性能。然而，精确探索并利用数据分布的局部结构仍是一项巨大挑战。在本文中，我们提出了一种有效且高效的超图 p-Laplacian 近似算法，进而提出超图 p-Laplacian 正则化（HpLapR）以保持概率分布的几何结构。特别地，p-Laplacian 是标准图拉普拉斯的非线性推广，而超图是标准图的推广。因此，所提出的 HpLapR 为利用局部结构保持提供了更多潜力。我们将 HpLapR 应用于逻辑回归，并针对遥感图像识别进行了实现。我们在 UC-Merced 数据集上将所提出的 HpLapR 与若干流行的基于流形正则化的 SSL 方法（包括 LapR、HLapR 和 HpLapR）进行了比较。实验结果证明了所提出 HpLapR 的优越性。
引用
@article{arxiv.1806.08104,
title = {Hypergraph p-Laplacian Regularization for Remote Sensing Image Recognition},
author = {Xueqi Ma and Weifeng Liu and Shuying Li and Yicong Zhou},
journal= {arXiv preprint arXiv:1806.08104},
year = {2019}
}
备注
9 pages, 6 figures