小句芒

摘要： Grassmann流形\(\mathcal{G}_{D,m}\)上的点，可以看成是所有\(\mathbb{R}^d\)上m维的子空间的集合，每个表示为大小为d*m的正交矩阵。 \(\mathcal{G}_{d,m}\)上的两点是等价的，如果其中一个点可以通过一个m*m的正交阵映射到另一个点。 因此G 阅读全文

摘要： 首先PCA的算法很简单，直接从其他地方copy如下： 看到这个，流程上说，就是先均值化，然后求协方差矩阵，对协方差矩阵求特征值和特征向量，按特征值从大到小排列。得出n*k的特征向量矩阵W，再计算XW。就完成了降维。 如何去理解呢？ 一般是分为两种理解方法：1.最大方差理论，和最小平方误差理论。 首先 阅读全文

摘要： Exponential Local Discriminant Embedding and Its Application to Face Recognition Fadi Dornaika and Alireza Bosaghzadeh 阅读全文

摘要： 假设 我们观测到含噪声的数据 $\left\{ Y_{ij}:1\le i\le n;1\le j\le n \right\} $ 由 随机函数X $\in \mathcal{M}$ 的n个 独立的$X_i$ 构成，即 其中，$t_{ij}$是采样时间点，$\epsilon _{ij}\in \ma 阅读全文

摘要： 令M 是一个内在维度为d的函数型流形，$\psi$是M的一个表示映射。则定义$X \in \mathcal{M}$， ，且是双射，$\psi$与$\varphi$是互逆，都连续。 $\mu$ 是d维表示空间的均值。$\mu^{\mathbb{M}}$是$L^2$空间的流形平均。其实就是本来流形M是在 阅读全文