Optimal transport with Laplacian regularization

Abstract : We propose a method based on optimal transport for empirical distributions with Laplacian regularization (LOT). Laplacian regularization is a graph-based regu-larization that can encode neighborhood similarity between samples either on the final position of the transported samples or on their displacement. In both cases, LOT is expressed as a quadratic programming problem and can be solved with a Frank-Wolfe algorithm with optimal step size. Result on domain adaptation and a shape matching problems show the interest of using this regularization in optimal transport.
Type de document :
Communication dans un congrès
NIPS 2014, Workshop on Optimal Transport and Machine Learning, Dec 2014, Montréal, Canada
Liste complète des métadonnées

Littérature citée [17 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01103076
Contributeur : Nicolas Courty <>
Soumis le : mercredi 14 janvier 2015 - 09:00:14
Dernière modification le : lundi 25 septembre 2017 - 14:58:03
Document(s) archivé(s) le : samedi 15 avril 2017 - 16:52:14

Fichier

main.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01103076, version 1

Citation

Rémi Flamary, Nicolas Courty, Alain Rakotomamonjy, Devis Tuia. Optimal transport with Laplacian regularization. NIPS 2014, Workshop on Optimal Transport and Machine Learning, Dec 2014, Montréal, Canada. 〈hal-01103076〉

Partager

Métriques

Consultations de
la notice

372

Téléchargements du document

191