Grassmann 流形上的局部化 LRR：一种外在视角
计算机视觉与模式识别
2017-05-19 v1
摘要
子空间数据表示最近已成为许多计算机视觉任务中的常见做法。它要求将经典机器学习算法推广至子空间数据。低秩表示（Low-Rank Representation, LRR）是根据子空间结构对向量数据进行聚类的最成功模型之一。本文探讨了将 LRR 推广至 Grassmann 流形上的子空间数据的可能性。我们没有直接将 Grassmann 流形嵌入到对称矩阵空间中，而是采用外在视角，在每个 Grassmannian 点的切空间局部区域内构建 LRR 自表示，从而得到一种 Grassmann 流形上的局部化 LRR 方法。我们研究并实现了一种求解所提模型的新颖算法。通过在包括 MNIST 手写数字、芭蕾舞视频片段、SKIG 动作片段、DynTex++ 数据集和高速公路交通视频片段在内的多个真实数据集上进行实验，评估了这种新聚类算法的性能。实验结果表明，这种新方法优于多种最先进的聚类方法。
关键词
引用
@article{arxiv.1705.06599,
title = {Localized LRR on Grassmann Manifolds: An Extrinsic View},
author = {Boyue Wang and Yongli Hu and Junbin Gao and Yanfeng Sun and Baocai Yin},
journal= {arXiv preprint arXiv:1705.06599},
year = {2017}
}
备注
IEEE Transactions on Circuits and Systems for Video Technology with Minor Revisions. arXiv admin note: text overlap with arXiv:1504.01807