圖正則和低秩多標(biāo)記線性判別分析.pdf_第1頁
已閱讀1頁,還剩80頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明: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),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、多標(biāo)記分類研究一個對象同時與多個標(biāo)記相關(guān)的問題。與傳統(tǒng)的單標(biāo)記分類相比,多標(biāo)記分類更普遍,在許多領(lǐng)域,例如多主題文本分類、圖像與視頻標(biāo)注等方面都具有實際的應(yīng)用意義。所以其越來越受到關(guān)注,目前,已經(jīng)有大量多標(biāo)記分類算法被提出。其中,多標(biāo)記線性判別分析算法(MLDA)是一種有效的處理多標(biāo)記分類的方法,但其不能保持?jǐn)?shù)據(jù)的局部幾何結(jié)構(gòu)。本文針對多標(biāo)記分類進(jìn)行了研究,改進(jìn)了多標(biāo)記線性判別分析算法,主要研究工作和創(chuàng)新點如下:
 ?。?)原始的

2、MLDA算法通過對經(jīng)典的線性判別分析算法(LDA)中的散度矩陣進(jìn)行重新定義,并且考慮了標(biāo)記間的聯(lián)系,較好地處理了多標(biāo)記分類問題,但是,MLDA忽略了數(shù)據(jù)的局部幾何結(jié)構(gòu)。而在近年來的很多研究中都表明,局部結(jié)構(gòu)信息對于降維是十分重要的。為了解決這個問題,本文引入圖正則項,對多標(biāo)記線性判別分析算法進(jìn)行改進(jìn),提出了新的圖正則的多標(biāo)記線性判別分析算法(GR-MLDA),同時保持了數(shù)據(jù)的整體和局部幾何結(jié)構(gòu)信息,提高了算法的性能。通過實驗,我們在多個

3、數(shù)據(jù)集上,和多種算法做了比較,證明了GR-MLDA的性能優(yōu)于原始的MLDA算法。
 ?。?)在原始的MLDA算法中,當(dāng)數(shù)據(jù)集維度較高時,計算的時間和空間復(fù)雜性都非常高,本文通過去除矩陣中零空間的思想,在求解GR-MLDA目標(biāo)函數(shù)的特征值問題之前,去除了散度矩陣的零空間,然后再計算特征值問題,從而優(yōu)化了高維數(shù)據(jù)降維的計算過程,降低了時間和空間的復(fù)雜度。實驗證明,原始MLDA的計算時間甚至是GR-MLDA的幾百倍。
 ?。?)已

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論