使用 Kendall 形状流形上的正定内核提出了一个 2D 形状分析框架，该内核允许我们将形状映射到一个高维希尔伯特空间中，从而使我们能够扩展内核方法并进行形状分类、聚类和检索。

Dec, 2014

本文提出了一种在非欧几里得空间上的稀疏字典学习算法，该算法通过将 Grassmann 流形嵌入到对称矩阵空间中来实现。在几种分类任务中，该算法较之目前最先进的方法如核仿射集算法和图嵌入 Grassmann 判别分析具有更好的识别精度。

Oct, 2013

发展了利用核方法处理测地线非欧几里得空间数据的方法，具体地，提出了基于高斯径向基函数的正定核定义，用于将给定流形嵌入到高维再生核希尔伯特空间，同时该方法具有适用于计算机视觉的两种流形的正定核，并说明欧几里得空间中的支持向量机和主成分分析等算法可应用于测地线非欧几里得空间的数据中。

Nov, 2014

本文介绍了 Grassmann 流形的基本事实和公式，通过用矩阵算法解决应用中的问题，从表示子空间的正交投影器的方法和被视为正交群的商空间的方法揭示了 Grassmann 几何学。同时，还提出了一种改进的算法，用于计算 Grassmann 流形上的 Riemannian 对数映射，以及沿正交投影器视角的测地线的平行输运的方程和指标的导数。

Nov, 2020

该研究论文探讨了在黎曼流形上针对所有可能的正定径向核进行分类优化的问题，并在支持向量机框架内展示了正定径向核的自动优化。

Dec, 2014

基于图像集分类的一种模型，使用广义相关学习向量量化来处理 Grassmann 流形数据，该模型返回一组原型子空间和相关向量，提供对模型决策的洞察，可成功地建模变化并具有较低的复杂度。

Mar, 2024

本文提出了一种将欧几里得网络范例泛化到 Grassmann 流形的深度网络体系结构，利用完全秩映射层将输入数据转换为更理想的数据，利用再正则化层对结果矩阵进行规范化，利用投影映射层使结构数据进行更新，并在三个视觉识别任务中的评估显示出 Grassmann 网络具有明显优势。

Nov, 2016

该文提出了一种针对 Riemann 流形的 SPD 矩阵进行高维映射的方法，使用一组可证明的正定核函数来扩展基于核方法的算法，进而在人行检测、物体分类、纹理分析、2D 运动分割以及扩散张量成像分割等问题上取得了良好的效果。

Dec, 2014

该论文提出使用 Riemann 流形进行稀疏编码和字典学习以帮助计算机视觉问题，通过嵌入再生核赫尔伯特空间来解决稀疏编码问题，并进一步提出一种学习 Riemann 字典的算法，实验结果表明其比现有的算法更为准确。

Apr, 2013

该研究聚焦于子空间学习问题，提出了三种新的核函数：Disturbance Grassmann（DG）核、与子空间矩阵有关的干扰的投影核和基的奇异值干扰的投影核，以应对现有算法中忽视子空间不稳定性的问题，实验表明所提出的核相比现有基于子空间的方法表现更佳。

Feb, 2018