对称正定流形上的黎曼联合降维与字典学习
计算机视觉与模式识别
2019-02-13 v1 人工智能
机器学习
应用统计
机器学习
摘要
字典学习(DL)和降维(DR)是分析高维含噪信号的有力工具。本文提出一种用于分类任务的对称正定(SPD)流形上的黎曼联合降维与字典学习(R-JDRDL)新方法。该联合学习通过将降维与字典学习过程连接为统一框架来考虑二者之间的相互作用。我们利用黎曼优化框架联合求解 DL 和 DR 问题。最后,我们证明了所提出的 R-JDRDL 在用于图像分类任务时优于现有的最先进算法。
引用
@article{arxiv.1902.04186,
title = {Riemannian joint dimensionality reduction and dictionary learning on symmetric positive definite manifold},
author = {Hiroyuki Kasai and Bamdev Mishra},
journal= {arXiv preprint arXiv:1902.04186},
year = {2019}
}
备注
European Signal Processing Conference (EUSIPCO 2018)