多连通李群覆盖学习算法在图像分类上的应用

李群机器学习作为一种新的学习范式已被学术界广泛关注。根据李群的连通性质,将具有不同类别特征的研究对象映射到多连通李群空间,并从各个单连通李群空间上连线的同伦等价出发,运用覆盖的思想寻找对应不同类别的最优道路等价表示,从而用多连通李群的多值表示来呈现图像的类别信息,因此提出了多连通李群覆盖学习算法。在MPEG7_CE-Shape01_Part_B图像库的图像和MNIST手写体数字图像上进行了实验验证,结果表明与两种基于李群均值的学习算法相比,多连通李群覆盖学习算法具有较好的分类效果。

李群覆盖学习算法研究进展

覆盖算法因较高的效率与准确率得到了广泛应用,李群覆盖学习算法是覆盖算法在李群机器学习下的新领域。本文对覆盖和覆盖算法进行了简要概述,介绍了多连通李群覆盖学习算法,阐述了求解最优道路时该算法存在的问题以及对应的优化算法,最后对李群覆盖学习算法的局限性进行分析并提出了改进思路,对其未来发展方向进行了展望。