变分贝叶斯逻辑张量回归及其在图像识别中的应用
统计方法学
2025-05-12 v1
摘要
近年来，图像识别方法已成为视频监控、生物特征识别、无人驾驶、人机交互和医学图像识别等各个领域的研究热点。现有的识别方法往往忽略图像数据的结构信息或严重依赖图像数据的样本量。为解决这一问题，本文开发了一种新颖的变分贝叶斯方法，通过利用张量分解来近似张量回归，在逻辑张量回归模型中实现图像分类，其中图像张量作为预测变量。为处理张量系数的稀疏性，本文引入了张量系数边际因子向量的多向收缩先验。特别地，基于张量分解的矩阵化，我们获得了用于分类预测的变分后验的闭式近似。进行了模拟研究以评估所提出方法在准确率、精确率和F1分数方面的性能。花图像数据和胸部X光图像数据被用于验证所提出的方法。
引用
@article{arxiv.2505.05730,
title = {Variational Bayesian Logistic Tensor Regression with Application to Image Recognition},
author = {Yunzhi Jin and Yanqing Zhang and Niansheng Tang},
journal= {arXiv preprint arXiv:2505.05730},
year = {2025}
}