面向类特定判别学习的零空间分析
机器学习
2019-08-14 v1 机器学习
摘要
本文中，我们对类特定判别分析（CSDA）进行零空间分析，并基于该分析给出若干解法。我们从理论和实验两方面分析了各算法步骤的重要性。所提解法产生的固有子空间维数通常相当高，我们讨论了进一步降维的需求如何改变这一状况。对所提解法的实验评估表明，将零空间分析方法直接推广到类特定设定可优于标准 CSDA 方法。此外，通过利用最近提出的编码类特定问题中自然出现的负类多模态的异类散度定义，零空间投影可取得与最新 CSDA 方法相当或更好的性能。
引用
@article{arxiv.1908.04562,
title = {Null Space Analysis for Class-Specific Discriminant Learning},
author = {Jenni Raitoharju and Alexandros Iosifidis},
journal= {arXiv preprint arXiv:1908.04562},
year = {2019}
}
备注
12 pages