低秩矩阵在机器视觉中的理解--Low-Rank representations

本文主要是介绍低秩矩阵在机器视觉中的理解--Low-Rank representations，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

阅读论文Learning Structured Low-rank Representations for Image Classification

文章主要有两个创新点

1.在普通的低秩表示外另外加了对低秩表示的系数需要稀疏，这个的物理意义就是使得得出的低秩表示矩阵更有有分类性，更加表征它属于哪一类。

2。加入了一个低秩的约束，先给出了一个理想化的低秩表示的形式，再使得我们求解的低秩表示接近理想化的低秩表示。

最后得出了如下(5)的公式

1.解决问题：学习一种结构化的低秩表示方法来进行图像分类，可以不用逐类逐类得进行图像分类而是一次性凭借结构信息和稀疏性来分类

这篇关于低秩矩阵在机器视觉中的理解--Low-Rank representations的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---