科技致富向导
科技緻富嚮導
과기치부향도
KEJI ZHIFU XIANGDAO
2011年
6期
21,37
,共2页
流形学习%HLLLE%机器学习%数据降雏
流形學習%HLLLE%機器學習%數據降雛
류형학습%HLLLE%궤기학습%수거강추
流形学习算法是一种非常有效的非线性数据降维方法被广泛应用于数据挖掘,模式识别,机器学习等邻域.基于Hessian特征映射的局部线性嵌入算法(HLLE)是一种经典的流形学习算法,在很多方面都有很好的应用.但是HLLE算法对邻域的选择太过敏感,如何提高邻域选择的稳定性成了算法研究的核心内容,本文提出一种基于均值距离的选择邻域的方法,大大的提高了算法的对邻域选择的稳定性,在人工流形上取得了很好的实验效果.
流形學習算法是一種非常有效的非線性數據降維方法被廣汎應用于數據挖掘,模式識彆,機器學習等鄰域.基于Hessian特徵映射的跼部線性嵌入算法(HLLE)是一種經典的流形學習算法,在很多方麵都有很好的應用.但是HLLE算法對鄰域的選擇太過敏感,如何提高鄰域選擇的穩定性成瞭算法研究的覈心內容,本文提齣一種基于均值距離的選擇鄰域的方法,大大的提高瞭算法的對鄰域選擇的穩定性,在人工流形上取得瞭很好的實驗效果.
류형학습산법시일충비상유효적비선성수거강유방법피엄범응용우수거알굴,모식식별,궤기학습등린역.기우Hessian특정영사적국부선성감입산법(HLLE)시일충경전적류형학습산법,재흔다방면도유흔호적응용.단시HLLE산법대린역적선택태과민감,여하제고린역선택적은정성성료산법연구적핵심내용,본문제출일충기우균치거리적선택린역적방법,대대적제고료산법적대린역선택적은정성,재인공류형상취득료흔호적실험효과.
