L1范数双投影支持向量机的鲁棒图像识别

L1范数双投影支持向量机的鲁棒图像识别(中文6000字,英文PDF)
关键词：双投影支持向量机，L1范数正则化，判别性学习，强大的图像识别
摘要：在本文中，我们提出了一种L1范数双投影支持向量机（TPSVM-L1），用于图像的稳健表示和识别。我们的TPSVM-L1方法的稳健性主要由基于L1范数的距离度量驱动，该度量被证明对数据中的噪声和异常值具有鲁棒性。对于判别式双投影学习，我们的TPSVM-L1旨在压缩L1范数正则化的类内散射和分离L1范数正则化的类间散射，此外还使学习系统能够抵抗噪声或异常值。结果，可以训练用于构造两个超平面的最佳鲁棒和描述性线性投影子空间对或最具区别性的线性矢量投影。双向量投影子空间通过迭代方法有效地实现。注意，线性双投影可用于从图像中提取特征，并且超平面可通过将测试数据嵌入超平面来决定测试数据的类别。与其他相关的双SVM分类算法相比，UCI和真实图像数据集的模拟验证了我们的TPSVM-L1的有效性。