计算机工程

作者：陶洋, 鲍灵浪, 胡昊

单位：重庆邮电大学 通信与信息工程学院, 重庆 400065

关键词：低秩表示,稀疏表示,降维,联合学习,图像分类

在对样本数据进行降维时，子空间学习模型无法揭示数据结构和处理训练样本外的新样本。提出一种融合表示学习和嵌入子空间学习的降维方法。将低秩表示、加权稀疏表示和低维子空间学习构建到一个统一的框架中，并采用交替优化策略，实现数据表示系数矩阵和数据投影矩阵的同时学习和相互优化，最终达到重建效果最优的降维精度。在3个数据库上的实验结果表明，与PCA、NPE、LRPP等主流方法相比，该方法不仅可以解决无法训练新样本的问题，而且具有较优的分类性能。

来源：2021年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第6期