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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、近年來,隨著數(shù)據(jù)獲取能力的不斷提高和計(jì)算機(jī)的飛速發(fā)展,人們獲得的數(shù)據(jù)信息越來越多,數(shù)據(jù)維數(shù)越來越高,如何尋找這些海量高維數(shù)據(jù)信息中潛在的規(guī)律,更好地為人類服務(wù),是目前機(jī)器學(xué)習(xí)面臨的挑戰(zhàn)之一.在沒有標(biāo)簽信息的情況下,對高維數(shù)據(jù)實(shí)施維數(shù)約簡的同時(shí)進(jìn)行歸類分析,挖掘數(shù)據(jù)的內(nèi)在結(jié)構(gòu),是當(dāng)前機(jī)器學(xué)習(xí)的一個(gè)難點(diǎn)、也是熱點(diǎn)之一.
本文主要研究了在沒有標(biāo)簽信息的情況下,以矩陣分解為基礎(chǔ),對原始高維數(shù)據(jù)樣本維數(shù)約簡的同時(shí)進(jìn)行聚類分析,從而揭示數(shù)
2、據(jù)樣本的內(nèi)在本質(zhì)結(jié)構(gòu).具體而言,本文的主要研究工作和創(chuàng)新性內(nèi)容如下:
1.針對現(xiàn)有基于回歸的特征選擇算法,通常選用0-1偽標(biāo)簽矩陣作為目標(biāo)矩陣,使得模型成為一個(gè)NP-難問題,提出一種基于矩陣分解的魯棒特征選擇算法(RUFSM).RUFSM首先將目標(biāo)矩陣分解為兩個(gè)矩陣(正交聚類中心矩陣和低維稀疏表示矩陣)的乘積,不僅使得模型易于迭代求解,而且特征選擇矩陣(投影矩陣)能更好地選擇具有類別辨別性的特征;其次,聚類中心的正交性約束和低
3、維表示的稀疏性約束不僅保證異類投影樣本相互遠(yuǎn)離,同時(shí)使得同類之間相互靠近;最后,l2,1范數(shù)作為誤差度量能有效消除噪聲樣本和離群樣本對數(shù)據(jù)樣本本質(zhì)屬性特征的影響,同時(shí)進(jìn)行的魯棒特征選擇和魯棒聚類能保證算法得到總體最優(yōu)解.大量實(shí)驗(yàn)結(jié)果表明提出的RUFSM算法無論在魯棒性上還是聚類性能上都超過了相關(guān)魯棒特征選擇算法.
2.針對低秩表示目標(biāo)函數(shù)中核范數(shù)的不可微問題,提出一種非負(fù)的圖正則化低秩因子分解算法(GLCF).GLCF算法首先
4、利用矩陣?yán)碚?,將保持全局結(jié)構(gòu)的低秩約束巧妙地轉(zhuǎn)化為兩因子Frobenius范數(shù)之和的最小化問題,考慮到非負(fù)約束在聚類分析中的語義相關(guān)性,對因子分解矩陣進(jìn)行非負(fù)約束,同時(shí)利用流形正則化項(xiàng)使得低維表示保持了原始樣本的局部幾何結(jié)構(gòu);其次,給出一種優(yōu)化目標(biāo)函數(shù)的多步更新規(guī)則,并從理論上證明了該算法的收斂性;最后,分析了提出的多步更新規(guī)則與梯度下降算法的相互關(guān)系,且針對負(fù)值數(shù)據(jù)樣本給出一種多步更新規(guī)則.與相關(guān)基于非負(fù)約束的矩陣分解算法相比,實(shí)驗(yàn)結(jié)
5、果表明了提出的GLCF算法具有更好的聚類性能.
3.針對現(xiàn)有的基于低秩表示的子空間聚類算法通常直接選用含有噪聲的原始數(shù)據(jù)樣本作為字典求取原始樣本的低秩表示,且構(gòu)建親和矩陣和聚類分兩步獨(dú)立進(jìn)行的缺點(diǎn),提出了一種圖正則化緊湊低秩表示算法(GCLRR).首先,GCLRR算法為了消除噪聲樣本作為字典對低秩表示的影響,用原始數(shù)據(jù)的線性組合作為字典,不僅使得字典在算法優(yōu)化過程中通過學(xué)習(xí)得到,而且使得低維表示隨著字典優(yōu)化更新;其次,正交的線
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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(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自己和他人造成任何形式的傷害或損失。
最新文檔
- 譜聚類維數(shù)約簡算法研究與應(yīng)用.pdf
- 8087.譜聚類與維數(shù)約簡算法及其應(yīng)用
- 基于半監(jiān)督的高維聚類算法研究.pdf
- 基于無監(jiān)督異常檢測的并行聚類算法研究.pdf
- 基于聚類的無監(jiān)督圖像顏色傳遞算法研究.pdf
- 高維數(shù)據(jù)的維數(shù)約簡算法研究.pdf
- 基于感知流數(shù)據(jù)約簡的聚類算法研究.pdf
- 基于半監(jiān)督的GN聚類算法研究.pdf
- 行車熱點(diǎn)中無監(jiān)督聚類算法的研究與應(yīng)用.pdf
- 基于最小類間距的半監(jiān)督聚類算法研究.pdf
- 基于凸殼的半監(jiān)督聚類算法研究.pdf
- 基于半監(jiān)督聚類的圖像分割算法研究.pdf
- 基于領(lǐng)域知識的半監(jiān)督聚類算法研究.pdf
- 基于分形維數(shù)的選擇性聚類融合算法研究.pdf
- 基于無監(jiān)督?jīng)Q策樹聚類方法的研究.pdf
- 基于半監(jiān)督聚類算法的研究與應(yīng)用.pdf
- 基于密度與分形維數(shù)的數(shù)據(jù)流聚類算法研究.pdf
- 基于種子對象約束的半監(jiān)督聚類算法研究.pdf
- 基于密度的半監(jiān)督復(fù)雜網(wǎng)絡(luò)聚類算法研究.pdf
- 基于半監(jiān)督聚類的入侵檢測算法研究.pdf
評論
0/150
提交評論