子类判别分析的加速与多视图扩展
机器学习
2020-10-13 v2 机器学习
摘要
本文中,我们提出了一种子类判别分析的加速方法,并为之公式化了一种新颖高效的多视图解法。该加速方法基于图嵌入与谱回归方法而开发,涉及对应拉普拉斯矩阵的特征值分解及其特征向量的回归。我们展示通过利用类间拉普拉斯矩阵的结构,特征值分解步骤可被一个快得多的过程替代。此外,我们公式化了多视图子类判别分析的新颖准则,并展示可用类似于单视图的方式获得其高效解。我们在九个单视图与九个多视图数据集上评估了所提方法,并与相关现有方法比较。实验结果表明所提解具有竞争性性能,常优于现有方法。同时,它们显著减少了训练时间。
引用
@article{arxiv.1905.00794,
title = {Speed-up and multi-view extensions to Subclass Discriminant Analysis},
author = {Kateryna Chumachenko and Jenni Raitoharju and Alexandros Iosifidis and Moncef Gabbouj},
journal= {arXiv preprint arXiv:1905.00794},
year = {2020}
}
备注
accepted to Pattern Recognition