低秩表示的学习--Latent Low-Rank Representation(LatLLR)

最新推荐文章于 2025-04-24 18:30:00 发布
最新推荐文章于 2025-04-24 18:30:00 发布
阅读量2.5w 收藏 118
点赞数 18
分类专栏： 低秩矩阵
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/smilebluesky/article/details/44226671
版权
本文介绍了低秩表示的基本概念及其在数据去噪和子空间分割中的应用。通过LatLLR理论，探讨了如何在无噪声或噪声环境下鲁棒地分割子空间，并通过实例展示了其在实际场景中的效果，如视频序列的运动分析。参考了史加荣和胡正平的低秩矩阵恢复算法论文，以及Guangcan Liu的LatLLR方法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

最近读了LLR(Low Rank Representation)的文章，所以整理一下。本文的主线是LLR-->LantLLR-->RobustLLR

代码地址：https://download.youkuaiyun.com/download/smilebluesky/10555664

一、低秩表示

刚开始接触低秩表示是看到一篇论文里面对公式进行了低秩约束，感觉很好奇，查了一下后，发现低秩很神奇，可以将噪声和干净数据自动分割出来。因为这一部分比较基础所以参考一篇中文论文[1]

 

稀疏表示也是将数据集矩阵表示成字典的线性组合，但是不同的是稀疏表示希望系数是稀疏的。

举例：

 

可以把Ui理解为空间里的基，然后Q是

最低0.47元/天 解锁文章
文献学习(part91)--Robust latent low rank representation for subspace clustering
小山羊的学习日志
04-28 391
学习笔记，仅供参考，有错必纠 期刊：Neucom-2014 作者：Hongyang Zhang; Zhouchen Lin; Chao Zhang; Junbin Gao 文章目录Robust latent low rank representation for subspace clusteringBackgroundthe short of prior workkey idea and algorithm overviewthe advantages of proposed algorithmprop
low rank representation 低秩表达
silence1214的专栏
04-15 1万+
去年已经开始在接触低秩表达，最近学习到一些paper，发现对这个还是不是很理解，今天从这里开始记录一下对低秩表达的学习。 目前低秩表达主要用在子空间分割上，也就是给定一组数据，这组数据是从某几个子空间上来的，通过低秩表达可以达到对来自这几个子空间的数据进行聚类，可以找到哪些数据时来自具体的哪个子空间。 首先子空间分割有很多种方法比如基于概率模型的（由于高斯分布最能代表一个子空间，所以一
低秩矩阵在机器视觉中的理解--Low-Rank representations
热门推荐
smilebluesky的专栏
11-15 1万+
阅读论文Learning Structured Low-rank Representations for Image Classification 1.
什么是 低秩矩阵(Low-Rank)
最新发布
一点点
04-24 461
咱先来理解啥是“秩”。可以把矩阵想象成一个数字组成的大表格。秩呢，简单说就是这个表格里“真正有用”的行或者列的数量。比如说，你有一个表格记录了很多人的信息，有姓名、年龄、性别，还有一列全是0（比如记录一些从来没用到过的神秘代码），那这列全是0的对于表达这些人的信息其实没啥用。这个表格真正有用的列数就是它的“秩”。那低秩矩阵就是这个“秩”比较小的矩阵。也就是说，这个数字表格里，真正起作用的行或者列不多。
【低秩表示学习】 低秩在数据分析中的模型
weixin_46854242的博客
04-21 3061
低秩表示学习基础内容
Latent Low-Rank Representation for Subspace Segmentation code
07-09
Latent Low-Rank Representation for Subspace Segmentation and Feature Extraction ICCV matlab 论文代码
low rank representation
长风破浪会有时，直挂云帆济沧海
03-11 2362
去年已经开始在接触低秩表达，最近学习到一些paper，发现对这个还是不是很理解，今天从这里开始记录一下对低秩表达的学习。 目前低秩表达主要用在子空间分割上，也就是给定一组数据，这组数据是从某几个子空间上来的，通过低秩表达可以达到对来自这几个子空间的数据进行聚类，可以找到哪些数据时来自具体的哪个子空间。 首先子空间分割有很多种方法比如基于概率模型的（由于高斯分布最能代表一个子空间，所以一般基
Low-rank representation with local constraint for graph construction
开飞机的小毛驴儿
02-29 1506
图构建中带有局部约束的低秩表示     摘要：近年来基于图的半监督学习得到的广泛的研究。本文提出了图构建中带有局部约束的低秩表示模型LRRLC，此模型在LRR模型的基础上整合了数据的局部信息，低秩约束捕捉数据的全局结构，因此LRRLC有能力同时捕捉到数据的全局信息和局部信息。在“相似的样本有大的相似系数”这一局部假设下引进了正则化项。在本文中所有相似性的度量同LRR模型中的一致。考虑到非负系数的
Sparse representation for tumor classification based on feature extraction using latent low-rank representation.
02-21
3. 隐含低秩表示（Latent Low-Rank Representation）： 低秩表示是将数据矩阵表示成低秩成分和稀疏误差的和。隐含低秩表示是一种更先进的数据表示方法，它假设存在一组隐含的低秩特征能够更好地揭示数据的内在结构。...
Low Rank Representation – Theories and Applications(ppt详解)
09-13
一个低秩分解的讲解，由林宙辰在北京大学做演讲时所用的材料。
低秩表示代码
01-23
TPAMI2013LRR低秩表示和子空间聚类算法代码，亲测可用
LRR 低秩表示
03-19
低秩表示是图像处理方面近几年研究的新领域，这个文件中包含了LRR的原始程序和改进方法
低秩表示模型
04-10
图像处理中的低秩表示模型，实现对图像的低秩和稀疏重构。
LRR低秩表示
04-26
LRR低秩表示文献
低秩表示 matlab 代码
07-09
低秩表示MATLAB代码，自己亲自测试过，是有效可用的呢
低秩表示MATLAB代码
04-28
低秩表示的lrr MATLAB代码 只能适用于最基础的分解，低秩表示的lrr MATLAB代码 只能适用于最基础的分解低秩表示的lrr MATLAB代码 只能适用于最基础的分解低秩表示的lrr MATLAB代码 只能适用于最基础的分解低秩表示的lrr MATLAB代码 只能适用于最基础的分解低秩表示的lrr MATLAB代码 只能适用于最基础的分解完整版本还需要联系本人一个积分交个朋友 经此而已
Learning Robust Low-Rank Representation (2012)笔记
wonderseen的博客
03-03 3349
Learning Robust Low-Rank Representation (2012) 注释： 本篇主要学习LRR和online LRR理论。本文由RPCA的提出讲起；再叙述论文提出的online RPCA数学解析以及insight；最终阐述如何与神经网络结合，构成可训练的online RPCA regressor。 论文梗要： 主要采用稀疏表示的非凸方法，来得到数据鲁棒...
笔记：Semi-Supervised Low-Rank Representation for Image Classification
Xue Shengke 博客
02-18 3690
本文是这篇 SIViP 期刊论文的笔记，主要是对文中的理论方法进行展开详解。本人学术水平有限，文中如有错误之处，敬请指正。
Lowrank
Areslp的专栏
10-08 1034
Low-rankness well expresses the low dimensional structure of high dimensional data. Instead of using PCA which is plagued by a well-known, well-documented sensitivity to outliers, recent methods minim
评论 14
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值