科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对不完整张量数据的特征提取问题，传统的“两步走”方法，即先张量补全再特征提取，难以避免无关特征增大填补误差，进而影响特征提取的效果；而近年提出的TDVM方法尽管可以同时进行张量补全和特征提取，但由于没有考虑数据的局部结构特点，特征提取效果仍不理想.因此，本文提出一个基于流形学习和张量分解的不完整张量特征提取方法：MLTD.首先，利用“部分距离法”和非负对称矩阵分解得到完整的样本相似矩阵，进而得到样本近邻图；然后，根据近邻图建立基于流形学习和张量分解的特征提取模型，主要思想是将方差最大化和局部保持投影策略融入张量分解中.该方法可以直接从不完整张量中提取有效特征，同时保留数据的局部结构特点.本文在4个图像数据集上与5种较新的方法进行对比.实验结果表明，新提出的方法在张量补全和利用所提取的特征进行分类时性能上都有显著的优越性.
- 单位
