基于隐式低秩表示的联合投影学习算法及图像识别

隐式低秩表示(LatLRR)作为经典的无监督特征提取算法已应用于模式识别领域。然而该算法得到的特征维数无法降低,且由于算法分别学习2个低秩矩阵,因此无法保证整体最优;另外,算法忽略了样本在学习过程中存在的残差。为解决这些问题,提出了一种基于隐式低秩表示的联合投影学习算法。使用投影矩阵和恢复矩阵近似地表示隐式低秩表示中的投影矩阵,使算法在降维的同时可提取判别特征;联合学习投影矩阵、恢复矩阵和低秩矩阵,矩阵间相互提升,从获得的投影中可以提取出更多的判别特征,同时在算法模型中约束样本在投影学习中存在的残差;最后采用交替迭代方法求解该模型。在多个数据集上进行实验,结果说明算法在有效降维的同时能进一步提高判别能力。