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、隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展,現(xiàn)實(shí)生活中存在的多種形態(tài)的大規(guī)模數(shù)據(jù)成指數(shù)級(jí)增長(zhǎng)。如何對(duì)海量、稀疏、低秩、含噪聲的數(shù)據(jù)進(jìn)行快速有效地處理,進(jìn)而從中提取出對(duì)人們有價(jià)值的數(shù)據(jù)信息,是統(tǒng)計(jì)學(xué)與計(jì)算機(jī)科學(xué)等相關(guān)領(lǐng)域的研究工作者普遍關(guān)注的問題。數(shù)據(jù)低秩約束是一種普遍存在的現(xiàn)象,如何在低秩約束的前提下進(jìn)行數(shù)據(jù)處理成為近年來(lái)研究者關(guān)注的焦點(diǎn)問題之一。本文從低秩約束出發(fā),分別研究了數(shù)據(jù)的分類問題和特征分析問題。具體而言,本文的主要研究?jī)?nèi)容如下:
1
2、.分析總結(jié)了低秩約束的相關(guān)理論。
對(duì)國(guó)內(nèi)外已有的關(guān)于低秩約束理論的發(fā)展和研究現(xiàn)狀進(jìn)行了細(xì)致地總結(jié)、分類,對(duì)三種主要的低秩約束理論(包含低秩矩陣恢復(fù)、低秩矩陣補(bǔ)全以及低秩矩陣表示)及其算法做了詳細(xì)的闡述和分析。
2.在低秩約束的基礎(chǔ)上,提出了一種新的數(shù)據(jù)分類方法。
針對(duì)數(shù)據(jù)的低秩特性,提出了一種基于非負(fù)矩陣分解和調(diào)和函數(shù)的數(shù)據(jù)分類學(xué)習(xí)方法。在對(duì)非負(fù)矩陣分解理論的基本原理和調(diào)和函數(shù)性質(zhì)的深入分析基礎(chǔ)上,將非負(fù)矩
3、陣分解理論和調(diào)和函數(shù)融合在一起進(jìn)行數(shù)據(jù)分類。在實(shí)際數(shù)據(jù)上與傳統(tǒng)的分類方法進(jìn)行對(duì)比實(shí)驗(yàn),得到滿意的實(shí)驗(yàn)結(jié)果。
3.在低秩約束的基礎(chǔ)上,提出了新的數(shù)據(jù)特征分析方法。
從低秩約束理論出發(fā),提出了一種基于鄰域保持嵌入和稀疏正則化的數(shù)據(jù)特征分析方法。深入分析了鄰域保持嵌入方法和稀疏正則化的性質(zhì),在鄰域保持嵌入方法的基礎(chǔ)上引入關(guān)于稀疏的L2,1正則項(xiàng),對(duì)數(shù)據(jù)進(jìn)行特征選擇。文中做了大量的實(shí)際數(shù)據(jù)比對(duì)實(shí)驗(yàn),與傳統(tǒng)的特征選擇方法比較,
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(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
- 基于低秩約束的磁共振圖像重構(gòu)方法研究.pdf
- 低秩鑒別分析與回歸分類方法研究.pdf
- 基于低秩方法的極化SAR圖像分類方法.pdf
- 基于非局部低秩約束的圖像壓縮感知重建方法研究.pdf
- 基于稀疏和低秩約束的模型學(xué)習(xí)研究.pdf
- 基于低秩稀疏表征的圖像分類算法研究.pdf
- 基于低秩約束非負(fù)矩陣分解的高光譜解混方法研究.pdf
- 基于連續(xù)性約束的低秩稀疏分解語(yǔ)音增強(qiáng)方法研究.pdf
- 基于稀疏低秩回歸方法的腫瘤亞型聚類分析.pdf
- 基于結(jié)構(gòu)化稀疏和低秩表示的高光譜分類方法.pdf
- 基于秩約束的自適應(yīng)聚類方法.pdf
- 基于秩約束逼近的系統(tǒng)模型降階方法研究.pdf
- 基于低秩矩陣表示的視覺跟蹤方法.pdf
- 基于低秩矩陣恢復(fù)的數(shù)據(jù)表征與分類.pdf
- 基于低秩理論及空間約束編碼的顯著性檢測(cè)與融合方法研究.pdf
- 基于低秩矩陣填充的相位檢索方法研究.pdf
- 基于低秩表示的空譜聯(lián)合高光譜圖像分類模型與方法.pdf
- 基于低秩表示的人臉識(shí)別方法研究.pdf
- 基于低秩稀疏分解和組間關(guān)系的圖像分類.pdf
- 基于子空間分析的特征抽取及分類方法研究.pdf
評(píng)論
0/150
提交評(píng)論