计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2012年
3期
192-195
,共4页
局部鉴别嵌入%流形学习%文档分类%k近邻%流形正则化
跼部鑒彆嵌入%流形學習%文檔分類%k近鄰%流形正則化
국부감별감입%류형학습%문당분류%k근린%류형정칙화
基于流形正则化框架提出一种分类算法(MLD-RLSC),以解决高维文档分类问题.该算法通过构建训练样本的最近邻图来估计数据空间的几何结构并将其作为流形正则化项,结合多变量线性回归获得高维文档的低维流形结构,并采用k近邻分类器对低维流形进行分类,得到针对多类问题的分类器.该算法能够充分利用训练样本的类别信息来帮助学习以提取有效特征.通过在Reuters-21578数据集上的实验,证明该算法的分类性能和运行速度比传统分类器有较大的提高.
基于流形正則化框架提齣一種分類算法(MLD-RLSC),以解決高維文檔分類問題.該算法通過構建訓練樣本的最近鄰圖來估計數據空間的幾何結構併將其作為流形正則化項,結閤多變量線性迴歸穫得高維文檔的低維流形結構,併採用k近鄰分類器對低維流形進行分類,得到針對多類問題的分類器.該算法能夠充分利用訓練樣本的類彆信息來幫助學習以提取有效特徵.通過在Reuters-21578數據集上的實驗,證明該算法的分類性能和運行速度比傳統分類器有較大的提高.
기우류형정칙화광가제출일충분류산법(MLD-RLSC),이해결고유문당분류문제.해산법통과구건훈련양본적최근린도래고계수거공간적궤하결구병장기작위류형정칙화항,결합다변량선성회귀획득고유문당적저유류형결구,병채용k근린분류기대저유류형진행분류,득도침대다류문제적분류기.해산법능구충분이용훈련양본적유별신식래방조학습이제취유효특정.통과재Reuters-21578수거집상적실험,증명해산법적분류성능화운행속도비전통분류기유교대적제고.
