基于回归的超图学习用于图像聚类与分类
计算机视觉与模式识别
2016-03-15 v1
摘要
受近期稀疏表示(SR)、协同表示(CR)及稀疏图的显著成功启发，我们提出一种名为基于回归的超图(RH)的新型超图模型，其利用回归模型来构建高质量超图。此外，我们将RH嵌入两个常规超图学习框架，即超图谱聚类与超图转导，提出基于回归的超图谱聚类(RHSC)和基于回归的超图转导(RHT)模型，以解决图像聚类与分类问题。采用稀疏表示与协同表示来实例化两个RH实例及其RHSC和RHT算法。在六个流行图像数据库上的实验结果表明，所提出的RH学习算法取得了良好的图像聚类与分类性能，并验证了RH能够继承超图模型与回归模型的优良特性。
引用
@article{arxiv.1603.04150,
title = {Regression-based Hypergraph Learning for Image Clustering and Classification},
author = {Sheng Huang and Dan Yang and Bo Liu and Xiaohong Zhang},
journal= {arXiv preprint arXiv:1603.04150},
year = {2016}
}
备注
11pages