示例代码-对称正定流形（Symmetric Positive Definite Manifold ，简称SPD流形）上局部差分向量计算，黎曼局部差分向量.

 

黎曼局部差分向量，SPD流形局部差分向量计算

 

前言

\quad 在欧氏空间中，对于任意两个向量 $x,y\in R^k$，它们之间的差分向量为：$x-y$，该差分向量也可以等价为欧氏空间距离公式的平方在 $x$ 点的梯度 ${▽}_x{\delta }^2(x,y)$ 。
\quad 相应的，SPD流形上的黎曼局部差分向量可以定义为：$\zeta (X,Y)=\delta (X,Y)\frac{{▽}_X{\delta }^2(X,Y)}{\parallel {▽}_X{\delta }^2(X,Y)\parallel }$, 其中，这里的 $\delta$ 为SPD流形上的距离度量 [link]

 

黎曼局部差分向量

\quad 由于SPD流形的特殊性，我们不能通过直接相减来得到差分向量，对应SPD流形上四种常用的距离度量 [link]，相应的黎曼局部差分向量有如下的几种具体形式：
 

1.使用AIRM度量，黎曼局部差分向量有如下的表达形式：

$$\zeta (X,Y)=2X^{1/2}\log (X^{-1/2}Y{X}^{-1/2})X^{1/2}$$

2.使用Stein散度，黎曼局部差分向量有如下的表达形式：

$$\zeta (X,Y)=X(X+Y{)}^{-1}X-\frac{1}{2}X$$

3.使用Jeffrey散度，黎曼局部差分向量有如下的表达形式：

$$\zeta (X,Y)=\frac{1}{2}X(Y^{-1}-X^{-1}Y{X}^{-1})X$$

4.使用LEM度量，黎曼局部差分向量有如下的表达形式：

$$\zeta (X,Y)=X(\log (X)-\log (Y))+(\log (X)-\log (Y))X$$

 
 
示例代码：
 
Github : https://github.com/Kai-Xuan/SPD-OPERATIONS/tree/master/SPD-Metrics/

百度云: https://pan.baidu.com/s/1hPvMsfafGTOnLVOVUXSIYQ 提取码：xv9k
 

如果这个内容对于您的研究工作有帮助，我们将非常感激您可以引用我们的文章：[1]. 

参考:

---

1. Chen K X, Ren J Y, Wu X J, et al. Covariance Descriptors on a Gaussian Manifold and their Application to Image Set Classification[J]. Pattern Recognition, 2020, 107: 107463. [link]