论文部分内容阅读
子空间学习可以通过多种技术来开展，对一些流行且被广泛使用的子空间学习方法，简要回顾其基于L1-范数的鲁棒建模．从主成分分析开始介绍子空间学习技术、线性判别分析以及更一般的图嵌入框架．作为L1-范数的综合利用，进一步讨论具有稀疏性的鲁棒建模．此外，还论述一些应用在神经科学中的相关子空间学习技术．最后，针对基于L1范数的子空间学习的求解问题，介绍一个有力工具，即边界优化技术．