- 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
- 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 3、文档侵权举报电话: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
第卷第期数码设计年月文章编号多标记学习特征选择方法及参数优化分析杨文元闽南师范大学福建省粒计算重点实验室福建漳州市通讯作者电子邮箱摘要降低高维数据的维度是多标记学习中一个重要且具有挑战性的工作它可以提高数据处理速度特征选择作为一种有效的降维技术是找到一个保持最相关信息的特征子集本文提出相似性矩阵及分解结合进行特征选择的新方法首先对高维数据进行形式化构造相似性矩阵然后分解相似性矩阵利用进行特征选择最后对比已有的特征选择算法并进行参数优化分析实验结果表明提出的算法具有明显的优势关键词多标记学习特征选
第5 卷 第3 期 数 码 设 计 Vol.5 No.3
2016 年12 月 PEAK DATA SCIENCE
文档评论(0)