圖嵌入模型及其在數(shù)據(jù)降維中的應(yīng)用.pdf_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費(fèi)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、作為機(jī)器學(xué)習(xí)的重要領(lǐng)域之一,降維算法已經(jīng)越來越引起人們的重視并且在理論和算法研究方面取得了巨大的進(jìn)步。目前降維算法研究的一個(gè)熱點(diǎn)方向是線性圖嵌入模型,本文主要針對(duì)基于圖嵌入模型的降維算法進(jìn)行了研究,主要成果如下:
   首先針對(duì)非高斯分布樣本集的監(jiān)督降維問題,為了在實(shí)現(xiàn)降維的同時(shí)能夠兼顧樣本的鄰域保持,本文基于圖的線性嵌入和邊緣Fisher分析模型提出了一種新的子空間學(xué)習(xí)方法--近鄰保持-邊緣判別嵌入模型。該方法在減小類內(nèi)離散度

2、的同時(shí)增大不同類之間樣本的邊緣距離,并能保持類內(nèi)樣本的近鄰結(jié)構(gòu),因此取得了良好的降維效果。
   其次為了解決半監(jiān)督學(xué)習(xí)中只存在少量標(biāo)記樣本和大量未標(biāo)記樣本的情況,可以用稀疏表示的方法建立所有樣本間的關(guān)系圖L1-Graph,并基于圖中邊的權(quán)值給出了一種新的類標(biāo)傳遞算法。實(shí)驗(yàn)結(jié)果表明該類標(biāo)傳遞算法相比線性近鄰傳遞算法具有更好的效果。
   最后為了解決非負(fù)矩陣分解方法在降維過程中只注重重構(gòu)誤差而不能刻畫高維空間中樣本間相似

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(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

評(píng)論

0/150

提交評(píng)論