CASIA OpenIR  > 学术期刊  > 自动化学报
F范数度量下的鲁棒张量低维表征
王肖锋; 石乐岩; 杨璐; 刘军; 周海波
Source Publication自动化学报
ISSN0254-4156
2023
Volume49Issue:8Pages:1799-1812
Abstract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.
Keyword张量主成分分析 低维表征 特征提取 鲁棒性 重构误差
DOI10.16383/j.aas.c210375
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/56093
Collection学术期刊_自动化学报
Recommended Citation
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.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2021-0375.pdf(10577KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[王肖锋]'s Articles
[石乐岩]'s Articles
[杨璐]'s Articles
Baidu academic
Similar articles in Baidu academic
[王肖锋]'s Articles
[石乐岩]'s Articles
[杨璐]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[王肖锋]'s Articles
[石乐岩]'s Articles
[杨璐]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2021-0375.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.