平方根密度黎曼流形上的低秩表示
计算机视觉与模式识别
2015-08-19 v1
摘要
本文提出一种用于位于平方根密度流形上的数据的新型低秩表示(LRR)算法。不同于依赖数据点为欧氏空间向量假设的传统LRR方法，我们的新算法旨在融入流形的内在几何结构与测地距离。在多个计算机视觉数据集上的实验展示了其噪声鲁棒性以及在分类与子空间聚类上优于其他 state-of-the-art 方法的性能。
引用
@article{arxiv.1508.04198,
title = {Low Rank Representation on Riemannian Manifold of Square Root Densities},
author = {Yifan Fu and Junbin Gao and Xia Hong and David Tien},
journal= {arXiv preprint arXiv:1508.04198},
year = {2015}
}