Subspace Discrimination Method for Images Using Singular Value Decomposition
Subspace Discrimination Method for Images Using Singular Value Decomposition
复制标题
基于奇异值分解的图像子空间判别方法
DOI：
10.1007/978-3-030-90436-4_23
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Atsushi Imiya
中科院分区：
文献类型：
--
作者：
Eri Mochizuki;Haruka Sone;Hayato Itoh;Atsushi Imiya
在本文中，我们介绍了二阶张量的线性子空间方法。基于矢量数据主成分分析的子空间方法是模式识别和分类的传统且成熟的方法。通过矩阵奇异值分解导出的一对正交向量集提供了一对线性空间来表达图像。将子空间方法应用于一对线性子空间，通过张量分析提供了图像识别方法。
In this paper, we introduce the linear subspace method for the second-order tensor. The subspace method based on the principal component analysis for vector data is a conventional and established method for pattern recognition and classification. A pair of orthonormal vector sets derived by the singular value decomposition of matrices provides a pair of linear spaces to express images. The application of the subspace method to a pair of linear subspaces provides recognition methodologies for images through tensor analysis.
复杂数据的主成分分析及其在气候学中的应用
DOI：
10.1007/978-3-319-55708-3_9
发表时间：
2018
期刊：
--
影响因子：
--
作者：
S. Camiz;Silvia Creta
通讯作者：
Silvia Creta