...
机译:保留异常的$ ell _ {scriptscriptstyle 2,infty} $-Grassmann流形上的最佳降维
Department of Electrical Engineering, Technion ¿ Israel Institute of Technology, Haifa, Israel;
Anomaly detection; Grassmann manifold; Min-Max-SVD (MX-SVD); dimensionality reduction; hyperspectral images; hyperspectral signal identification by minimum error (HySime); maximum orthogonal-complements analysis (MOCA); redundancy reduction; signal-subspace rank; singular value decomposition (SVD);
机译:高维变量误差模型的$ { ell_ {1}, ell_ {2}, ell _ { infty} } $正则化方法
机译:高维同时支持恢复:$ ell _ {1} / ell _ {infty}块的好处和风险$-正则化
机译:双面技术通过双线性系统交叉克的双面技术对H-2最优模型顺序减少
机译:Grassmann流形降维的结构保持判别图(SMDM)及其在图像集分类中的应用
机译:将基于Grassmann和标志歧管上的数据集合与高尺寸和低维度的数据分析进行比较
机译:基于改进的空间光谱重量歧管嵌入的高光谱图像的维数减少
机译:稀疏K-means与$ \ ell _ {\ infty} / \ ell_0 $ penalty for High-Dimensional 数据聚类