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、隨著數(shù)據(jù)獲取技術(shù)突飛猛進(jìn)地發(fā)展,模式識(shí)別領(lǐng)域的高維數(shù)據(jù)越來(lái)越多。這些高維數(shù)據(jù)里的冗余信息不僅嚴(yán)重影響分類器的精度,增加分類器訓(xùn)練的難度。這些高維數(shù)據(jù)還會(huì)造成“維數(shù)災(zāi)難”。降維作為克服維數(shù)災(zāi)難的有效手段,越來(lái)越受到研究者們的關(guān)注。最近研究表明,這些高維數(shù)據(jù)更有可能分布在非線性流形上,這對(duì)傳統(tǒng)的基于全局歐氏的降維技術(shù)帶來(lái)了挑戰(zhàn)。作為一種新的非線性降維技術(shù),流形學(xué)習(xí)能夠有效地保持?jǐn)?shù)據(jù)的拓?fù)浣Y(jié)構(gòu),并已廣泛地應(yīng)用到人臉識(shí)別、數(shù)據(jù)可視化等眾多領(lǐng)域。
2、但基于流形學(xué)習(xí)的降維技術(shù)在模式識(shí)別應(yīng)用中存在著諸多缺點(diǎn),如外樣本問(wèn)題、過(guò)學(xué)習(xí)及無(wú)監(jiān)督學(xué)習(xí)等。為了提高流形學(xué)習(xí)的識(shí)別能力,本文提出了兩種新的有監(jiān)督的流形學(xué)習(xí)的降維方法。
1.首先提出了一種新的加權(quán)非參數(shù)最大間隔(Weighted Nonparametric Maximum Margin Criterion,WNMMC)降維方法,并將此方法與線性化的LLE算法融合提出了一種新的有監(jiān)督的流形學(xué)習(xí)算法非參數(shù)判別性局部線性嵌入(Nonp
3、arametric Locally Linear Discriminant Embedding, NLLDE)。最后在常用人臉識(shí)別數(shù)據(jù)庫(kù)上進(jìn)行驗(yàn)證和實(shí)驗(yàn)對(duì)比。
2.提出了判別性局部相似信息和差異信息保持映射(Local Similarity and Diversity Preserving Discriminant Projection, LSDDP)。LSDDP通過(guò)構(gòu)建的相似鄰接圖和差異鄰接圖保持樣本的相似信息和差異信息,并
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。
最新文檔
- 基于流形學(xué)習(xí)的降維方法及應(yīng)用研究.pdf
- 基于流形學(xué)習(xí)的降維算法.pdf
- 基于流形學(xué)習(xí)的數(shù)據(jù)降維.pdf
- 基于流形學(xué)習(xí)的數(shù)據(jù)降維技術(shù)研究.pdf
- 基于流形學(xué)習(xí)的數(shù)據(jù)降維的研究.pdf
- 基于流形學(xué)習(xí)的局部降維算法研究.pdf
- 基于流形學(xué)習(xí)的數(shù)據(jù)降維算法研究.pdf
- 基于流形學(xué)習(xí)的數(shù)據(jù)降維方法研究.pdf
- 流形學(xué)習(xí)降維及其應(yīng)用研究
- 基于流形學(xué)習(xí)的數(shù)據(jù)降維算法的研究.pdf
- 流形學(xué)習(xí)降維及其應(yīng)用研究.pdf
- 基于流形學(xué)習(xí)的有監(jiān)督降維方法研究.pdf
- 基于流形學(xué)習(xí)與子空間的降維方法研究與應(yīng)用.pdf
- 流形學(xué)習(xí)在數(shù)據(jù)降維中的應(yīng)用研究.pdf
- 數(shù)據(jù)降維及分類中的流形學(xué)習(xí)研究.pdf
- 基于流形學(xué)習(xí)的高光譜圖像降維與分類研究.pdf
- 基于流形學(xué)習(xí)的高光譜遙感圖像的降維方法研究.pdf
- 轉(zhuǎn)子故障數(shù)據(jù)降維的流形學(xué)習(xí)方法研究.pdf
- 基于流形學(xué)習(xí)的數(shù)據(jù)降維方法及其在人臉識(shí)別中的應(yīng)用.pdf
- 基于稀疏多流形學(xué)習(xí)的高光譜遙感影像降維研究.pdf
評(píng)論
0/150
提交評(píng)論