kernel learning for extrinsic classification of manifold features+CVPR13
2013-10-07 21:23
351 查看
Kernel selection
Feature lie on Riemannian manifold with known geometry.
现在很多学习算法(如:判别式分析、partial least squares、和SVM)不直接应用这些特征,因为这些特征处在非欧式空间中。
所以就面对这kernel选择的问题~
这篇paper就是通过kernel learning的方法来选择合适的kernel~
利用最佳化的问题,来综合考虑kernel学习和分类器。
例如,SVM分类器,用凸优化的方法来学习kernel-classifier。
实验:图像集和动作识别
现利用流行特征分类的普遍做法是:首先把流形映射到欧式空间,然后再新的空间中学习分类器。但是对应的切空间只是流形的局部结构,所以只是局部最优化~
这篇paper是,把流形映射到一个新的kernel Kilbert 空间中。
![](http://img.blog.csdn.net/20131007191423609)
黎曼流行上的特征,为了学习一个好的kernel-classifier,有以下两个标准:
1)风险函数 (最小化)
2)mapping应该保留潜在的流行结构~
Feature lie on Riemannian manifold with known geometry.
现在很多学习算法(如:判别式分析、partial least squares、和SVM)不直接应用这些特征,因为这些特征处在非欧式空间中。
所以就面对这kernel选择的问题~
这篇paper就是通过kernel learning的方法来选择合适的kernel~
利用最佳化的问题,来综合考虑kernel学习和分类器。
例如,SVM分类器,用凸优化的方法来学习kernel-classifier。
实验:图像集和动作识别
现利用流行特征分类的普遍做法是:首先把流形映射到欧式空间,然后再新的空间中学习分类器。但是对应的切空间只是流形的局部结构,所以只是局部最优化~
这篇paper是,把流形映射到一个新的kernel Kilbert 空间中。
黎曼流行上的特征,为了学习一个好的kernel-classifier,有以下两个标准:
1)风险函数 (最小化)
2)mapping应该保留潜在的流行结构~
相关文章推荐
- 图解Javascript引用类型之数组
- CSS里的 no-repeat 是什么意思
- html 语法学习
- node-mongo-native1.3.19连接mongo的最优方法
- <一>初探js特效魅力之选项卡05
- Difference Between Full-reference, Half-reference and No-reference Image Quality Assessment
- fedora18 startx如何显示中文界面及文本模式和窗口模式切换
- Fedora18 文本模式下分辨率的调整
- Promise in AngularJS
- Jsp学习笔记
- Feed Ratios USACO 3.2
- css选择器的性能
- jquery获得select选中项的text和value
- jQuery实现相册浏览
- jquery.post获取处理json数据
- node-mongo-native1.3.19连接mongo的最优方法
- 【LeetCode】Swap Nodes in Pairs
- jQuery读取JSON总结
- 起步X5 UI模型使用的新的JAVASCRIPT UI库 DHTMLX (简称DHX)
- Node.js学习(7)----包