高維數(shù)據(jù)特征提取方法研究與實現(xiàn).pdf_第1頁
已閱讀1頁,還剩59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),請進行舉報或認領(lǐng)

文檔簡介

1、高維數(shù)據(jù)特征提取(Feature Extraction)是數(shù)據(jù)挖掘的一個重要數(shù)據(jù)預(yù)處理過程.由于當前出現(xiàn)了越來越多的"高維"數(shù)據(jù),如多媒體數(shù)據(jù)、蛋白質(zhì)數(shù)據(jù)等,直接對這些數(shù)據(jù)進行操作的計算量非常大,不僅要耗費大量的時間,而且其運算量往往會超出機器的容許范圍.特征提取是從高維數(shù)據(jù)的原始特性中提取出較少的一些特征,用來表示這些數(shù)據(jù).這樣,就能夠大大降低對它們進行諸如聚類、可視化/最近鄰搜索等操作的計算復(fù)雜度.該文首先分析了當前具有代表性的三種

2、特征提取算法——Fastmap算法、Bourgain算法及Cofe算法,并對它們各自的優(yōu)、缺點及計算復(fù)雜度等方面進行了比較.其次,該文提出了一種基于數(shù)據(jù)類別數(shù)及各類代表元素等啟發(fā)式信息的高維數(shù)據(jù)特征提取算法.該算法克服了Bourgain算法不具有現(xiàn)實可行性及Cofe算法降維效果不佳的缺點,對于M類高維數(shù)據(jù)、可使數(shù)據(jù)的維數(shù)降至「logM」.該算法可直接適用于已知數(shù)據(jù)類別數(shù)及各類數(shù)據(jù)代表點的情況.再次,為了使該算法具有更廣泛的實用性,該文又

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)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(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