×

基于低秩表示的鲁棒线性回归模型

消耗积分:0 | 格式:pdf | 大小:3.23 MB | 2021-05-28

分享资料个

　　现有的线性回归方法不能有效处理噪声和异常数据。针对这一问题，结合低秩表示和鲁棒回归方法构建模型LR-RRM。利用低秩表示方法以有监督的方式检测数据内的噪声和异常值，从原始数据的低维子空间中恢复数据干净部分，并将其应用于线性回归分类，从而提升回归性能。在 Extend Yaleb、AR、ORL和PIE人脸数据集上的实验结果表明，与标准线性回归、基于鲁棒主成分分析和低秩表示的线性回归模型相比，该模型在4种原始数据集以及添加随机噪声后的数据集上分类准确率和鲁棒性均较优。

下载并关注上传者 开通VIP，低至0.08元下载/次

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !