-
题名基于低秩稀疏表达的弹性最小二乘回归学习
被引量：1
- 1
-
-
作者
武继刚
李妙君
赵淑平
-
机构
广东工业大学计算机学院
-
出处
《郑州大学学报（工学版）》
CAS
北大核心
2023年第6期25-32,共8页
-
基金
国家自然科学基金资助项目(62106052,51078334)
广州市黄埔区国际科技合作项目(2021GH12)
-
文摘
为了克服重定向最小二乘回归模型容易破坏回归目标的结构的缺点,提出了一种基于低秩稀疏表达的弹性最小二乘回归学习模型LRSR-eLSR。模型以最小二乘回归为基础,不使用严格的0-1标签矩阵作为目标矩阵,而是引入边距约束来直接从数据中学习回归目标,可以在保持回归目标低秩结构的同时,增加回归模型的灵活性。而且,为了捕获数据的结构信息,利用了数据的低秩表示来保持数据的结构。在计算的过程中,考虑问题求解的复杂性,使用了核范数正则化代替秩函数。除此之外,模型还引入了一个带有L 2,1范数的稀疏误差项来补偿回归误差,这有利于学习更灵活地变换。模型还对投影矩阵施加额外的正则化项,来避免过拟合问题。实验结果表明:在4个公开的数据集上,所提模型的识别准确率优于其他方法;在COIL-20数据集中,识别率可达到98%。
-
关键词
稀疏表达
最小二乘回归
低秩表示
灵活性
稀疏误差项
-
Keywords
sparse representation
least squares regression
low-rank representation
flexibility
sparse error term
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
