基于广义Grassmann流形的图像分类方法  

作　　者：王竟宇 廖亮[1] 高奇 WANG Jingyu;LIAO Liang;GAO Qi

机构地区：[1]中原工学院电子信息学院,河南郑州450007

出　　处：《信息技术与信息化》2023年第3期112-115,共4页Information Technology and Informatization

基　　金：河南省科技厅“机器学习与图像分析”工作室项目(GZS2021012)的部分资助;科技部,战略发展类项目类有限维半单可交换代数之上的广义矩阵理论及其在图像分析中应用的研究(G2021026018L)。

摘　　要：针对当前日益广泛的分类需求,提出了一种基于广义Grassmann流形分类的新方法。首先,在传统Grassmann流形用于分类问题的基础上,增加了广义Grassmann流形的生成原理及定义,使TSVD不仅可以适应于传统意义上的Grassmann流形,对于广义Grassmann流形的研究同样具有重要意义。其次,在广义可交换代数的研究基础上,提出了一种新的广义测地线度量计算方案,同时可以将传统的Grassmann流形度量问题扩展成为广义Grassmann流形的度量问题。最后,将广义奇异值分解算法应用于求取分类目标之间的差异,计算目标图像之间的F-范数,从而将图像目标物之间的分类转换为广义流形的夹角度量问题,取得了较为不错的结果。

关 键 词：GRASSMANN流形 奇异值分解 测地线距离 领域选取 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]