TOP-SPIN：通过稀疏主成分干涉进行主题发现
计算机视觉与模式识别
2013-11-07 v1 信息检索
机器学习
摘要
我们提出了一种基于词袋 (BoW) 框架的用于无标签图像的新型主题发现算法。我们首先提取视觉词典，随后为每幅图像计算视觉词出现直方图。我们将这些直方图视为一个大矩阵的行，并从中提取稀疏主成分 (PCs)。每个 PC 识别出一组稀疏的视觉词组合，这些词在某些图像中频繁共现但在其他图像中很少出现。每个稀疏 PC 对应一个主题，而与 PC 干涉度高的图像属于该主题，从而揭示了这些图像所共有的部分。我们提出使用交替最大化 (AM) 方法来求解相关的稀疏 PCA 问题，并对其进行修改以便在 deflate 方案中高效提取多个 PCs。我们的方法直接处理稀疏 PCA 中的最大化问题，并可扩展至高维数据。在自动主题发现和类别预测上的实验表明，我们的方法具有令人鼓舞的性能。
引用
@article{arxiv.1311.1406,
title = {TOP-SPIN: TOPic discovery via Sparse Principal component INterference},
author = {Martin Takáč and Selin Damla Ahipaşaoğlu and Ngai-Man Cheung and Peter Richtárik},
journal= {arXiv preprint arXiv:1311.1406},
year = {2013}
}