样条支持张量分类算法

一种新的支持张量机学习方法，通过张量空间的HOG特征提取和非线性样条逼近，利用低秩CP分解与交替迭代求解，在图像识别任务中性能优于现有方法。

Chunyang, Zhu · 赵为华 · 练恒

Multimedia Tools and Applications 2023

技术优势

保留空间结构

用张量表示代替向量化，避免空间信息丢失，从而提高识别准确率。

捕捉非线性

采用非参数张量模型和多项式样条逼近，灵活捕捉HOG张量中的非线性空间信息。

应用场景

• 图像分类：可直接用于图像分类任务，提升精度。
• 模式识别：适用于模式识别中的特征提取与分类。