無監(jiān)督流行學習算法的若干探討.pdf_第1頁
已閱讀1頁，還剩58頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、在信息處理領域中,通常將信息表示為高維空間中的向量,然后再進行后續(xù)的數(shù)據(jù)處理.然而在實際運用中,往往由于高維數(shù)據(jù)的維數(shù)太大而無法保證數(shù)據(jù)處理方法的健壯和效率.數(shù)據(jù)降維是解決上述問題的一種有效途徑.在過去十年間,已經(jīng)發(fā)展出一大批非線性降維技術.這些技術包括等距映射方法(ISOMAP),局部線性嵌入方法(LLE),黑賽局部線性嵌入方法(HLLE),拉普拉斯特征映射方法(LE)和局部切空間排列方法(LTSA)等.這些算法基于樣本數(shù)據(jù)分布在低維

2、流形上的假設,在缺乏先驗知識的情況下提取流形的特征,并獲得其低維表示.
　　 本文首先介紹數(shù)據(jù)降維的背景問題,問題的數(shù)學描述以及研究現(xiàn)狀,介紹基于流形假設的PCA,LLE,LE和LTSA等算法.同時針對流形學習算法共同面臨的困難:如何確定鄰域規(guī)模;闡述一種選取鄰域的統(tǒng)一框架-權重鄰域.在本文中,我們綜合上述算法的特點,提出一種無監(jiān)督流形學習算法:加權局部切空間排列(WLTSA).我們給出WLTSA的算法思路和實現(xiàn)細節(jié),并指出它能

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。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，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確性、安全性和完整性, 同時也不承擔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