黎曼流形上的偏最小二乘回归及其在分类中的应用
计算机视觉与模式识别
2016-09-22 v1
摘要
偏最小二乘回归（PLSR）一直是探索两个数据集之间线性关系的流行技术。然而，大多数 PLSR 算法实现可能仅通过在欧几里得空间上的优化获得次优解。在本文中，我们提出了几种在黎曼流形上的新型 PLSR 模型，并基于流形的黎曼几何开发了优化算法。该算法能够全局计算 PLSR 的所有因子，从而避免次优解。在大量实验中，我们展示了将所提出的模型和算法应用于模式识别和目标分类中各种学习任务的优越性。
引用
@article{arxiv.1609.06434,
title = {Partial Least Squares Regression on Riemannian Manifolds and Its Application in Classifications},
author = {Haoran Chen and Yanfeng Sun and Junbin Gao and Yongli Hu and Baocai Yin},
journal= {arXiv preprint arXiv:1609.06434},
year = {2016}
}