基于圖的監(jiān)督和半監(jiān)督特征組合方法.pdf_第1頁(yè)
已閱讀1頁(yè)，還剩40頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、本文主要研究基于圖的監(jiān)督和半監(jiān)督的數(shù)據(jù)特征組合方法,提出了基于圖的監(jiān)督特征組合方法的框架(GF).并且將Fisher判別分析(FDA)、主成分分析(PCA)、局部保持投影(LPP)、判別局部保持投影(DLPP)、間隔Fisher分析(MFA)和極大間隔準(zhǔn)則(MMC)歸結(jié)到這個(gè)框架下,通過(guò)選取不同的權(quán)矩陣相應(yīng)的得到GFDA, GPCA, GLPP, GDLPPP, GMFA和GMMC.但是所提出的框架通常會(huì)遇到矩陣的奇異性問(wèn)題,為了解決這

2、個(gè)問(wèn)題提出了正則化的GF(RGF),基于零空間的GF(NGF),基于奇異值分解的GF(GF/SVD),基于廣義奇異值分解的GF(GF/GSVD)和基于偽逆的GF(PIGF).
　　在GF基礎(chǔ)上提出了基于圖的半監(jiān)督特征組合方法的框架(SGF),并且推廣到加核情況下,得到相應(yīng)的核SGF(KSGF)算法.
　　為了檢驗(yàn)所提出的五種特征組合方法的有效性,通過(guò)一系列的遙感數(shù)據(jù)實(shí)驗(yàn)進(jìn)行了測(cè)試.從得出的數(shù)據(jù)結(jié)果上,說(shuō)明新的特征組合方法的有

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論