有效的协方差判别学习算法

作     者：王秀友 刘华明 范建中 徐冬青 Wang Xiuyou;Liu Huaming;Fan Jianzhong;Xu Dongqing

作者机构：阜阳师范大学计算机与信息工程学院 

基　　金：安徽省高校优秀青年骨干人才项目(gxfx2017072) 安徽省自然科学基金(1708085MF155) 阜阳市政府—阜阳师范大学横向合作科研项目(XDHX2016020、XDHX201710) 安徽省教育厅自然科学研究重点项目(KJ2018A0345) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2019年第31卷第10期

页      码：1847-1857页

摘      要：在基于视频的图像集分类中,类内样本多样性问题是影响算法分类性能的一个主要原因.为了尝试解决该问题,提出了一种图像集分类算法,其目标体现在2个方面:(1)使得算法在时间效率上相较于协方差判别学习(CDL)等具有代表性的图像集分类算法有进一步的提升;(2)使得算法在分类精度上也仍然具有可比性.首先利用双向二维主成分分析对原始的协方差特征进行降维,使其变得更加紧凑.同时,为了抽取到更具判别性的特征信息,对每一个低维紧凑的协方差矩阵应用QR分解,使其变换成一个正交基矩阵和一个非奇异的上三角矩阵.考虑数据分布空间的黎曼流形特性,通过定义函数的方式使得上三角矩阵仍然分布在由对称正定(SPD)矩阵张成的SPD流形之上.此时,原始的样本空间就转化成了一个由正交基矩阵张成的Grassmann流形和一个特征分布更加紧凑的新的SPD流形.为了更好地整合这2种黎曼流形特征,首先利用Stein散度以及对数欧氏距离导出一个黎曼流形测地线距离度量;然后,利用该度量设计一个正定的核函数将上述特征映射到一个高维Hilbert核空间;最后,利用核判别分析算法进行判别子空间特征学习.文中算法在5个基准视频集YTC, Honda, ETH-80, MDSD以及AFEW上均取得了较好的分类结果,同时在计算效率上也优于CDL等对比算法,从而表明了其可行性和有效性.

主 题 词：协方差鉴别学习 黎曼流形 双向二维主成分分析 QR分解 对数欧氏距离 Stein散度 核判别分析 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.3724/SP.J.1089.2019.17455

馆 藏 号：203794023...