TensorSparseCodingforPositiveDefiniteMatrices.docVIP

下载本文档

4
0
约小于1千字
约 4页
2017-05-09 发布于江苏
举报
版权申诉

TensorSparseCodingforPositiveDefiniteMatrices.doc

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

TensorSparseCodingforPositiveDefiniteMatrices

Tensor?Sparse?Coding?for?Positive?Definite?Matrices Sivalingam, R.?;?Boley, D.?;?Morellas, V.?;?Papanikolopoulos, N.Pattern Analysis and Machine Intelligence, IEEE Transactions on?Volume: PP ,?Issue: 99 Digital Object Identifier:?10.1109/TPAMI.2013.143?Publication Year: 2013?, Page(s): 1 说的是稀疏编码，但是对象不是特征矢量，而是的正定矩阵，希望把它表示成K个基本矩阵的线性组合：是编码矢量。为了对比矩阵和重构矩阵的不同，用一个Logdet divergence距离函数表示：根据矩阵性质为了能让重构的结果接近原来的矩阵，要让距离最小化为了让重构的矩阵和原来矩阵的差也正定=0，，，加这个约束 s.t. 同时希望能稀疏,我们用L1norm求稀疏为此可以有两种方法：：加上一个在目标函数里：因为：加上一个（）在约束中：要优化这两个问题，可以直接用MAXDET problem来接：下面就看如何把我们的问题转换成MAXDET problem了：： = = ：启发：对矢量的表达，分类，（Sc, NMF, SVM, …）都可以转换成矩阵版本。稀疏，既可以做为regularization,也可以做constraint. 这项跟x无关，不要了