- 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
无监督与半监督维算法研究.pdf
摘要 摘 要 在机器学习和模式识别领域,会不可避免地遇到很多高维数据,从而出现“维 数灾难”。为了避免“维数灾难”问题,需要对高维数据进行特征降维。特征降维 是指通过线性或者非线性映射把高维数据投影到一个低维的空间,同时揭示隐藏 在数据中的内在结构信息。本文主要研究基于无监督和半监督的特征降维算法。 首先,在无监督降维方面,高斯过程隐变量模型是一种有效的方法。它提供 了一个从低维隐变量空间到高维观测数据空间的光滑映射。这种光滑映射就可以 使得在隐空间中相距较近的样本点,经过映射到观测数据空间后,依然相距较近。 然而,它并不能保证在数据空间相距较近的样本点经该映射降维到隐空间后依然 相距较近。为了解决高斯过程隐变量模型的这一不足,提出了一种基于局部保持 的隐变量模型算法。该算法能使得在数据空间相距较近的样本点经过降维后,在 隐空间中依然相距较近。在几类数据库上进行的测试结果表明了该算法的有效性。 其次,在半监督降维方面,除了可以知道样本的类标信息,还有另外一种监 督信息,即成对约束信息。成对约束是指两个样本要么属于同一类,要么不属于 同一类。但是目前利用成对约束进行降维的算法只是简单的利用约束关系,并没 有挖掘成对约束关系中的本质特性,比如传递性和排斥性。因此,提出了两种半 监督降维算法:一种是基于整体保持的半监督降维算法,该算法不仅利用了约束 关系的传递性和排斥性,而且还保持数据集所在低维流形的整体结构;另一种是 基于局部保持的半监督降维算法,该算法除了利用了成对约束的传递性和排斥性 外,还可以保持数据集所在低维流形的局部结构。在几类数据库上实验表明,该 算法要优于其他的降维算法。 关键词:降维 高斯过程 隐变量模型 成对约束 Abstract Abstract to with Inmachine and isinevitableencounter recognition,it learningpattern causea calledthecurse datasets,which of high.dimensional usually problem data the itis toreducethedimensionofthe setstoavoid dimensionality.Thennecessary curse reductionaimsto thestructureofthe capture ofdimensionality.Dimensionality the thelinearornon-linear datasetsembeddedin low-dimensional through space main ofthis isto andsemi- unsupervised mappings.nepurpose pape
文档评论(0)