F范数度量下的鲁棒张量低维表征
文献类型：期刊论文
| 作者 | 王肖锋; 石乐岩; 杨璐; 刘军; 周海波 |
| 刊名 | 自动化学报
 |
| 出版日期 | 2023 |
| 卷号 | 49期号:8页码:1799-1812 |
| 关键词 | 张量主成分分析 低维表征 特征提取 鲁棒性 重构误差 |
| ISSN号 | 0254-4156 |
| DOI | 10.16383/j.aas.c210375 |
| 英文摘要 | 张量主成分分析(Tensor principal component analysis, TPCA)在彩色图像低维表征领域得到广泛深入研究,采用F范数平方作为低维投影的距离度量方式,表征含离群数据和噪声图像的鲁棒性较弱.L_1范数能够抑制噪声的影响,但所获的低维投影数据缺乏重构误差约束,其局部表征能力也较弱.针对上述问题,利用F范数作为目标函数的距离度量方式,提出一种基于F范数的分块张量主成分分析算法(Block TPCA withF-norm,BlockTPCA-F),提高张量低维表征的鲁棒性.考虑到同时约束投影距离与重构误差,提出一种基于比例F范数的分块张量主成分分析算法(Block TPCA with proportional F-norm, BlockTPCA-PF),其最大化投影距离与最小化重构误差均得到了优化.然后,给出其贪婪的求解算法,并对其收敛性进行理论证明.最后,对包含不同噪声块和具有实际遮挡的彩色人脸数据集进行实验,结果表明,所提算法在平均重构误差、图像重构与分类率等方面均得到明显提升,在张量低维表征中具有较强的鲁棒性. |
| 源URL | [http://ir.ia.ac.cn/handle/173211/56093]  |
| 专题 | 自动化研究所_学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 王肖锋,石乐岩,杨璐,等. F范数度量下的鲁棒张量低维表征[J]. 自动化学报,2023,49(8):1799-1812. |
| APA | 王肖锋,石乐岩,杨璐,刘军,&周海波.(2023).F范数度量下的鲁棒张量低维表征.自动化学报,49(8),1799-1812. |
| MLA | 王肖锋,et al."F范数度量下的鲁棒张量低维表征".自动化学报 49.8(2023):1799-1812. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。