基于低秩表示的魯棒回歸模型

摘要：現有的線性回歸方法不能有效處理噪聲和異常數據。針對這一問題,結合低秩表示和魯棒回歸方法構建模型LR-RRM。利用低秩表示方法以有監督的方式檢測數據內的噪聲和異常值,從原始數據的低維子空間中恢復數據干凈部分,并將其應用于線性回歸分類,從而提升回歸性能。在Extend YaleB、AR、ORL和PIE人臉數據集上的實驗結果表明,與標準線性回歸、基于魯棒主成分分析和低秩表示的線性回歸模型相比,該模型在4種原始數據集以及添加隨機噪聲后的數據集上分類準確率和魯棒性均較優。