面向高維數(shù)據(jù)的共享子空間識別方法研究.pdf

1、隨著信息化和互聯(lián)網(wǎng)的發(fā)展，高維數(shù)據(jù)在人們生活的各個領(lǐng)域不斷涌現(xiàn)，如天文望遠鏡所收集到的數(shù)據(jù)，Web文檔，多媒體數(shù)據(jù)以及生物醫(yī)學領(lǐng)域中的基因數(shù)據(jù)等等?？偟膩碚f，這些數(shù)據(jù)都處于維數(shù)較高的特征空間中，特征維數(shù)的高維性帶來的直接后果就是維度災難(curse of dimensionality)。那么如何從這些高維的數(shù)據(jù)中挖掘出對人類有價值的信息就變得更為困難，并且已經(jīng)成為迫切需要解決的問題。高維數(shù)據(jù)挖掘的一個重要的方法是通過對構(gòu)建數(shù)據(jù)的特征屬性

2、之間的共享空間進行研究，基于這種共享子空間將原始的數(shù)據(jù)降到一個低維的、具有清晰的潛在的結(jié)構(gòu)上去。于是，基于共享子空間的多標簽學習和利用特征屬性之間的共享信息的聚類分析得到了越來越多學者的關(guān)注。
　　在多標簽分類問題中，多個標簽共享同一個輸入空間，而且同一個實例的不同標簽之間也存在一定的相關(guān)性。所以在研究此類問題的時候，標簽之間的關(guān)聯(lián)性研究就顯得尤為重要。現(xiàn)有的多標簽學習對于標簽之間的相關(guān)性研究均是在原始數(shù)據(jù)上進行的，然而原始數(shù)據(jù)存

3、在高維、信息冗余等特點，致使已有學習方法無法達到預期的效果。本文提出一種基于共享子空間的多標簽數(shù)據(jù)表示模型，該模型在類標信息指導的基礎(chǔ)上，從原始特征空間中提煉出高層信息，并有效的體現(xiàn)多標簽之間的相關(guān)性?；诟邔犹卣餍畔?，原始高維數(shù)據(jù)被有效的映射到一個低維空間中。實驗證明該模型有效的提高了多標簽數(shù)據(jù)的分類性能。
　　隨后，我們將對共享子空間的研究拓展到聚類分析中，利用特征屬性之間的共享信息提高特征選擇的可靠性，從而提升最終的聚類效果