为了改进低秩嵌入在数据重构和噪声抑制方面存在的不足，提高特征的识别准确度，提出了一种基于正交投影学习的图像特征提取算法，设计了半二次方的交替方向乘子法用于求解正交投影学习模型。该模型通过引入正交矩阵保留样本的主要特征，引入范数约束使提取的特征更加显著；使用加权Schatten p范数来逼近秩的最优解。为提高模型的鲁棒性并使其适用于有监督场景，将广义相关熵用于数据项建模和分类损失函数的构建。在不同规模数据集上的实验结果表明，所提模型具有比现有其他模型更优良的特征提取性能。
科研之友
微信
新浪微博
Facebook
分享链接
