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
∈
R
k
x,y \in R^k
x,y∈Rk,它们之间的差分向量为:
x
−
y
x-y
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
x
x 点的梯度
▽
x
δ
2
(
x
,
y
)
\triangledown_{x}\delta^2(x,y)
▽xδ2(x,y) 。
\quad
相应的,SPD流形上的黎曼局部差分向量可以定义为:
ζ
(
X
,
Y
)
=
δ
(
X
,
Y
)
▽
X
δ
2
(
X
,
Y
)
∥
▽
X
δ
2
(
X
,
Y
)
∥
\mathop \zeta(X,Y) = {\delta}(X,Y)\frac{\triangledown_{X}\delta^2(X,Y)} {\parallel \triangledown_{X}\delta^2(X,Y)\parallel}
ζ(X,Y)=δ(X,Y)∥▽Xδ2(X,Y)∥▽Xδ2(X,Y), 其中,这里的
δ
\delta
δ 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:
ζ ( X , Y ) = 2 X 1 / 2 log ( X − 1 / 2 Y X − 1 / 2 ) X 1 / 2 \mathop \zeta(X,Y) = 2X^{1/2} \log(X^{-1/2}YX^{-1/2})X^{1/2} ζ(X,Y)=2X1/2log(X−1/2YX−1/2)X1/2
2.使用Stein散度,黎曼局部差分向量有如下的表达形式:
ζ ( X , Y ) = X ( X + Y ) − 1 X − 1 2 X \mathop \zeta(X,Y) = X(X+Y)^{-1}X-\frac{1}{2}X ζ(X,Y)=X(X+Y)−1X−21X
3.使用Jeffrey散度,黎曼局部差分向量有如下的表达形式:
ζ ( X , Y ) = 1 2 X ( Y − 1 − X − 1 Y X − 1 ) X \mathop \zeta(X,Y) = \frac{1}{2}X(Y^{-1}-X^{-1}YX^{-1})X ζ(X,Y)=21X(Y−1−X−1YX−1)X
4.使用LEM度量,黎曼局部差分向量有如下的表达形式:
ζ ( X , Y ) = X ( log ( X ) − log ( Y ) ) + ( log ( X ) − log ( Y ) ) X \mathop \zeta(X,Y) = X(\log(X)-\log(Y))+(\log(X)-\log(Y))X ζ(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]